针对电力系统中深度学习惯量预测模型的脆弱性评估方法

摘要

本发明公开了一种针对电力系统中深度学习惯量预测模型的脆弱性评估方法。构造数据集并划分为训练集、验证集和测试集；基于训练集构造基于线性回归的系统惯量预测模型；随机选取部分训练样本，基于上述模型生成投毒点，使攻击后的模型在系统低惯量水平区间输出攻击者期望的惯量预测值。分别基于原始训练集，投毒后训练集构造深度学习系统惯量预测模型；将测试集数据投入上述模型得到惯量预测值；利用测试集真实惯量、投毒前后的模型预测值对模型的脆弱性进行评估。本发明提供了一个通过强隐蔽性数据投毒对惯量预测系统特定区域进行定向攻击的方法，根据待测深度学习惯量预测模型在攻击前后评估指标的变化，就可实现对该模型的脆弱性评估。