← 返回
基于多层长短期记忆网络的光伏电站数据完整性攻击检测与诊断
Detection and Diagnosis of Data Integrity Attacks in Solar Farms Based on Multilayer Long Short-Term Memory Network
| 作者 | Fangyu Li · Qi Li · Jinan Zhang · Jiabao Kou · Jin Ye · WenZhan Song · Homer Alan Mantooth |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2021年3月 |
| 技术分类 | 智能化与AI应用 |
| 技术标签 | 光伏逆变器 故障诊断 深度学习 机器学习 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | 光伏系统 信息物理安全 数据完整性攻击 深度学习 LSTM 故障诊断 电力电子变换器 |
语言:
中文摘要
随着光伏系统数字化程度提高，网络安全威胁日益严峻。本文提出一种基于深度序列学习的诊断方案，利用多层长短期记忆网络（LSTM）检测并识别光伏电站中的数据完整性攻击，为电力电子变换器的网络物理安全提供有效防护。
English Abstract
Photovoltaic (PV) systems are becoming more vulnerable to cyber threats. In response to this emerging concern, developing cyber-secure power electronics converters has received increased attention from the IEEE Power Electronics Society that recently launched a cyber-physical-security initiative. This letter proposes a deep sequence learning based diagnosis solution for data integrity attacks on P...
S
SunView 深度解读
随着阳光电源iSolarCloud平台接入规模的扩大，电站数据安全已成为运维核心。该研究提出的多层LSTM诊断模型可直接集成至iSolarCloud的智能运维算法库中，用于实时监测组串式逆变器及PowerTitan储能系统的遥测数据异常。通过识别数据完整性攻击，可有效防止恶意指令导致的逆变器误动作或储能系统充放电策略失效，提升电站资产的安全性。建议研发团队将该算法模型嵌入边缘计算网关，实现对光伏逆变器通信链路的实时防御，进一步加固阳光电源数字化能源管理系统的安全防线。