基于BiLSTM与自注意力机制生成对抗网络的GSA防护方法OA北大核心CSTPCD

相量测量单元(phasor measurement unit,PMU)是智能电网的重要组成部分,能精准同步采集电力数据。由于PMU使用全球定位系统(global positioning system,GPS)提供时间同步参考,容易遭受GPS欺骗攻击(GPS spoofing attack,GSA),影响正常的数据采集。现有GSA防御方法的修复精度较低且需要额外的硬件成本。为了解决上述问题,提出一种基于双向长短期记忆网络与自注意力机制生成对抗网络的GSA防护方法。首先,提出一种改进的带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)模型,重新设计原有生成器和判别器的网络架构,并在生成器和判别器中分别引入双向长短期记忆网络以及自注意力机制,提升模型的生成性能和鉴别能力。其次,基于所提出的WGAN-GP模型,构建了一种GSA防御模型,其包含攻击检测网络和数据修复网络2个模块,分别用于检测智能电网GSA和修复受损的PMU测量数据。最后,在IEEE-39总线系统中模拟GSA攻击,并在相应的数据集验证方法的有效性。结果表明,与现有方法对比,所提方法在大部分性能指标上取得了领先的性能。