| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景及研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 负荷完整性攻击检测方法概述 | 第11-12页 |
| 1.2.2 负荷完整性攻击防范技术概述 | 第12-13页 |
| 1.3 论文主要工作与章节安排 | 第13-15页 |
| 1.3.1 论文的主要工作 | 第13-14页 |
| 1.3.2 论文的章节安排 | 第14-15页 |
| 第2章 智能电网负荷完整性攻击机理与分析 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 智能电网中负荷完整性攻机理 | 第15-19页 |
| 2.2.1 基于状态估计的残差推导 | 第15-16页 |
| 2.2.2 负荷完整性攻击基本原理 | 第16-17页 |
| 2.2.3 智能电网非完整网络拓扑下的攻击方式 | 第17-19页 |
| 2.3 新型负荷完整性攻击分析 | 第19-21页 |
| 2.3.1 基于独立成分分析法的攻击方式 | 第19-20页 |
| 2.3.2 基于主成分分析法的攻击方式 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 智能电网负荷完整性攻击数据样本生成及处理 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 攻击性量测数据样本构建 | 第22-24页 |
| 3.3 数据样本特征约简 | 第24-29页 |
| 3.3.1 基于自编码网络的降维流程 | 第24-28页 |
| 3.3.2 基于PCA的降维流程 | 第28-29页 |
| 3.4 特征约简方法结果比较及分析 | 第29-32页 |
| 3.4.1 自编码网络误差分析 | 第29-30页 |
| 3.4.2 不同方法降维结果分析 | 第30-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 智能电网负荷完整性攻击检测模型 | 第34-43页 |
| 4.1 引言 | 第34页 |
| 4.2 智能电网负荷完整性攻击检测方法研究 | 第34-36页 |
| 4.2.1 传统检测攻击原理分析 | 第34-35页 |
| 4.2.2 机器学习方法检测攻击的适用性 | 第35-36页 |
| 4.3 基于改进差分进化算法优化极限学习机的攻击检测模型 | 第36-41页 |
| 4.3.1 极限学习机原理分析 | 第36-37页 |
| 4.3.2 人工蜂群优化算法分析 | 第37-38页 |
| 4.3.3 具有群智能的差分进化算法 | 第38-40页 |
| 4.3.4 基于ABC-DE-ELM的攻击检测模型 | 第40-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 智能电网负荷完整性攻击检测实验与防范技术 | 第43-55页 |
| 5.1 引言 | 第43页 |
| 5.2 实验结果与分析 | 第43-52页 |
| 5.2.1 实验平台及公共参数设置 | 第43-44页 |
| 5.2.2 实验数据生成降维分析 | 第44-47页 |
| 5.2.3 基于ABC-DE-ELM的攻击检测分析 | 第47-52页 |
| 5.3 智能电网中负荷完整性攻击防范研究 | 第52-55页 |
| 第6章 结论与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 未来工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |
