Detección de Ataques de Inyección de Datos Falsos en Redes Inteligentes Basada en el Enfoque A-BiTG

Un ataque de inyección de datos falsos (FDIA) es el principal método de ataque que amenaza la seguridad de las redes inteligentes. Los FDIAs desorientan al centro de control para que tome decisiones incorrectas al modificar los datos de medición del sistema de la red eléctrica. Por lo tanto, la detección efectiva y precisa de los FDIAs es crucial para la operación segura de las redes inteligentes. Sin embargo, los métodos actuales basados en aprendizaje profundo no aprovechan completamente las características locales a corto plazo y las dependencias a largo plazo de los datos de la red eléctrica, y tienen una mala correlación con la información de series temporales pasadas y futuras, lo que resulta en una falta de credibilidad en los resultados de detección. Con este objetivo, se propuso un modelo de detección de FDIA que combina una red de convolución temporal bidireccional y una unidad recurrente de puerta bidireccional con un mecanismo de atención (A-BiTG). El modelo propuesto utiliza una red de convolución temporal bidireccional (BiTCN) y una unidad recurrente de puerta bidireccional (BiGRU) para considerar la información temporal pasada y futura en la red. Esto mejora la capacidad del modelo para capturar dependencias a largo plazo y extraer características, mientras que también resuelve el problema de explosión y desvanecimiento de gradientes del modelo. Además, se agregó un mecanismo de atención (AM) para asignar dinámicamente pesos a la información de características extraídas y conservar las características más valiosas para mejorar la precisión de detección del modelo. Finalmente, el método propuesto se comparó con métodos existentes en los sistemas de prueba IEEE 14-bus e IEEE 118-bus. Los resultados muestran que el modelo de detección propuesto es más robusto y superior en diferentes entornos de ruido y señales de FDIA con diferentes intensidades.