电力监控系统网络安全监测装置功能及实施分析

来源:用户上传      作者:

　　 [摘 要]随着计算机技术和网络通信技术的日趋成熟，其两者技术在电力网监控系统中得到越来越广泛的应用，并且逐步智能化、网络化。电力网实现自动实时监控系统的功能构造设置与应用与运用原则，和监控模式的主要方案。
　　[关键词]电力网 监控系统 计算机和通讯技术
　　1 引言
　　我国电力部门只重视发电，而忽略用电的现象，对大型的发电网、大机组高度重视，却对电力配电网不够关心。这样产生了很多问题，例如：电力的浪费、存在的不安全因素等。在科学技术高速发展的今天，我们要将信息技术也运用于电力配电网中。来推动电力配电网无人监控自动化模式，我們将从电力配电网的现状、应用原则和规划要求来谈谈电力配电网无人监控模式的开发。
　　   2 智能电网安全态势
　　 2.1 电力监控系统网络安全态势感知
　　 在电网网络安全工作过程中，要收集智能电网安全变化的因素，对其进行分析及预测，从而能够实现电网安全态势的精准掌握，使电力监控系统网络安全管理为主动预防，工作人员通过态势实现系统状态及安全的预测，在电网受到攻击之前就能够使用进行预防。
　　 2.2 态势分析
　　 电力监控系统网络态势分析就是实现电网安全状态的理解，其主要核心就是网络态势评估，包括多种方法，比如贝叶斯技术、人工神经网络等。因为大部分态势评估都是基于计算机网络实现的，智能电网威胁态势评估较少，所以就要使用计算机网络态势评估，设计全新电网态势评估模型，将电网设备日志及电网网络端口信息流作为基础，以此实现电网状态进行评估[1]。
　　 2.3 电力监控系统网络安全态势安全预测
　　 分析网络态势预测技术，不同技术都有不同的优点及缺点，因为智能电网系统较为特殊，不能够直接使用到智能电网网路中，所以就要通过全新的组合预测，将模型中的权重值提出，之后通过权重融合，从而得到预测的结果。
　　 权重提取模型：加入AR、RBF及LSSVM模型在同天安全态势预测的结果分别为A1，A2，A3，R表示安全态势实际值，模型的预测误差为e1，e2，e3，其对应的权系数分别为w1，w2，w3，那么：
　　 ei=Ai-R
　　 那么预测结果误差为：
　　 E=w1e1+w2e2+w3e3
　　 因为一般对于同个事情时候三种方法的预测数据完全独立，所以cov（ei，ej）=0，其表示误差ei及ej的协方差。从而得到三种预测模型的权重[2]。
　　 3 以人工免疫算法为基础的智能电网态势感知
　　 人体免疫系统作为机体重要的系统，其主要目的就是实现人体中无害及有害的异物并且清楚。基于人体免疫系统主要是将其使用在智能电网中，从而获取其安全态势值。本文在人体免疫系统基础上提出了人工免疫智能电网态势感知，两者的对应关系如表1所示。
　　 3.1 得到安全态势值
　　 电网主机在面临潜在危险过程，因为不同的主体，其重要性也各有不同，并且类型的不同导致网络攻击造成的破坏性也各有不同，那么就要对不同主机重要性及破坏程度进行分析。假如j类受到的攻击危害表示为aj（0≤aj≤1），i主机的重要性表示为βi（0≤βi≤1），xi表示在智能电网正常作用时候主机检测的抗体数量，ni表示主机时刻检测的抗体数量，nij表示主机检测处理j类攻击的抗体数量。假如ri（t）为主机在t时间的态势值，rij（t）为主机在t时刻j类攻击背景下的态势值，Rj（t）为系统在t时间j类攻击的态势值，R（t）为系统在t时间的态势值[3]。从而得到以下公式：
　　 ri（t）=1-（1/1+ln（βi（ni-xi）+1））
　　 rij（t）=1-（1/1+ln（αjβi（nij-xi）+1））
　　 Rj（t）=1-（1/1+in（aj∑iβi（nij-xi）+1））
　　 R（t）=1-（1/1+ln（∑iβi（nij-xi）2+1））
　　 以此可以看出来，态势值的范围在[0，1]区间中，以此能够将目前系统安全运行的状态表示出来，如果数值较大，那么表示系统可能被攻击的机率就较高。
　　 3.2 安全态势预测
　　安全态势预测指的是通过已经知道的规律和信息对未来的发展进行预测，推测未来可能发生的不确定时间，也就是推断电网在未来发展过程中的规律及趋势。因为电力系统具有一定的特殊性，并且其安全态势还具有较强的不确定性及随机性，电网安全态势值都会受到多种因素的影响。所以，可以使用不同算法提高预测的精准度，本文使用灰色系统理论模式实现电网态势的灰色预测，其简单方面，并且容易实现，并且预测的结果能够将序列发展的状态准确的反应出来[4]。
　　3.3 分析灰色关联度
　　 使用灰色关联度方式进行分析过程中的数据量较少，并且此种方式还具有较高的使用度。关联度为灰色理论中的内容，其指的是同个系统中各种因素在时间及其他变量发生变化过程中的相关性度量，如果两个变量具有较高的同步程度，表示两者具有较高的关联度。选择一下数列实现：
　　 x0={x0（k）（k=1，2，...，n）}={x0（1），x0（2），...，x0（n）}
　　 其中k为时间。
　　 假如具有min对比数列，那么：
　　 xi={xi（k）（k=1，2，...，n）}={xi（1），xi（2），...，xi（n）}，i=1，2，...，m
　　 那么：
　　 ？i（k）=（min（x0（t）-xs（t））+pmax（x0（t）-xs（t）））/（x0（k）-xi（k））+pmax（x0（t）-xs（t））
　　 P（0，1）表示分辨系数，其越大，那么分辨率率就越大，最后得到：
　　 ri=（1/n）∑￡i（k）
　　 从而可以看出来，关联度就是将不同时间中的系数相互组合，并且计算平均值。通过关联度，能够得到电网安全态势值关联度，以此得到权重，从而实现数据的融合.
　　 4 结束语
　　 在电网不断发展的过程中，电力监控系统网络和公用网络的相互结合也越来越普遍，其面临的网络威胁也越来越多，并且越来越复杂，攻击方式也逐渐多元化。未来电网就要与先进的信息安全技术相互结合，从而预防全新攻击的入侵，并且实现未知攻击及威胁的预测，实现对省级电力监控系统全方位、全天候的网络安全态势感知，及时发现各类网络安全风险以及非法访问事件，实现电力监控系统网络安全的闭环管理，全面提高公司电力监控系统网络安全防护的整体水平，以此使电网能够稳定且安全的运行。
　　 参考文献
　　 [1]李刚，唐正鑫，李纪锋，等.智能电网安全态势感知与组合预测[J]. 电力信息与通信技术，2016（11）：1-7.
　　 [2]徐成，梁睿，程真何，等.面向能源互联网的智能配电网安全态势感知[J].电力自动化设备，2016， 36（6）：13-18.
　　 [3]管小娟，张涛，马媛媛，等.网络安全态势感知研究综述[J].电力信息与通信技术，2014， 12（5）：1-4.
　　 [4]杨鹏，马志程，靳丹，等.面向智能电网的网络态势评估模型及感知预测[J].兰州理工大学学报，2015， 41（4）：99-103.
转载注明来源:https://www.xzbu.com/1/view-14689733.htm