| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文的内容 | 第13-14页 |
| 1.4 本文的结构安排 | 第14-16页 |
| 第2章 电价修改攻击检测相关技术 | 第16-23页 |
| 2.1 电价修改攻击模型 | 第16页 |
| 2.2 智能电网攻击检测方法 | 第16-18页 |
| 2.2.1 基于状态估计的异常检测方法 | 第17-18页 |
| 2.2.2 基于离线数据分析的异常检测方法 | 第18页 |
| 2.2.3 基于优化的异常数据检测方法 | 第18页 |
| 2.3 需求响应机制概述 | 第18-22页 |
| 2.3.1 用户效用和福利最大化问题 | 第19-20页 |
| 2.3.2 电力供应方成本最小化问题 | 第20-21页 |
| 2.3.3 实时定价过程 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于负载预测的在线PMA攻击检测方案 | 第23-36页 |
| 3.1 在线PMA攻击检测问题模型 | 第23-24页 |
| 3.2 考虑用户用电行为相似性的负载预测 | 第24-29页 |
| 3.2.1 基于用户用电行为相似性的用户分组 | 第25-27页 |
| 3.2.2 使用分组预测增强整体负载预测准确性 | 第27-29页 |
| 3.3 在线电价修改攻击检测方案 | 第29-34页 |
| 3.3.1 在线攻击检测 | 第29-31页 |
| 3.3.2 未知攻击参数迭代近似 | 第31-33页 |
| 3.3.3 鲁棒性决策函数 | 第33-34页 |
| 3.4 在线电价修改攻击检测算法 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 实验结果和分析 | 第36-48页 |
| 4.1 数据集分析 | 第36-37页 |
| 4.2 模型训练参数及受攻击数据模拟生成 | 第37-38页 |
| 4.2.1 用户分组k值的选取 | 第37页 |
| 4.2.2 线性回归方法特征变量的选取 | 第37-38页 |
| 4.2.3 受攻击数据模拟生成 | 第38页 |
| 4.3 实验结果及分析 | 第38-47页 |
| 4.3.1 考虑用户用电行为相似性的负载预测性能分析 | 第38-42页 |
| 4.3.2 在线电价修改攻击检测算法性能分析 | 第42-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第53-55页 |
| 致谢 | 第55页 |