网络攻击下智能电网动态状态估计：在智能电网中，网络攻击通常导致量测数据不完备、数据异常等问题，必须进行状态估计(State Estimation, SE)以准确和有效地监控传输线路负载或母线电压大小等状态信息，从而为基于系统实时状态数据进行安全评估等提供支撑。
智能电网是一种典型的物理信息融合系统，它深度融合物理电网与信息网络，有效实现信息流与能量流的双向流动，通过信息化不断提高智能电网的自动化水平和运行效率。
传统电力系统长期运行在封闭的物理环境中，在状态估计时通常不考虑通信网络安全带来的问题。然而，在智能电网中，通信网络与传统电力网深度融合，使得其从“封闭”走向“开放”极易导致恶意网络攻击，其中拒绝服务(Denial of service, DoS)攻击是最典型的网络攻击之一。DoS攻击引起量测量数据丢失，无法进行正常的预测校正，导致对智能电网的安全性和经济性进行错误的分析和判断，从而威胁智能电网安全经济运行。
因此，解决由于网络攻击导致的智能电网量测信息丢失问题面临新的困难和挑战：1)DoS攻击导致的数据连续丢包破坏了量测数据的完整性，如何对丢失数据进行补偿并重构智能电网动态模型是一个挑战；2)传统基于完整性数据的无迹卡尔曼滤波(Unscented Kalman filter, UKF)算法不能简单直接地应用于DoS攻击下的智能电网状态估计，如何设计基于UKF的动态状态估计新方法是另一个挑战。
为了解决以上困难和挑战，本文基于霍尔特指数平滑和无迹卡尔曼滤波技术，提出了一种适用拒绝服务攻击的改进无迹卡尔曼滤波新方法，主要贡献如下：
1）从智能电网受到DoS攻击的角度研究UKF算法，运用伯努利分布描述了DoS攻击的量测数据丢失特性并设计了数据补偿策略，以重构智能电网动态模型；
2）采用Holt's双参数指数平滑方法刻画电力系统状态方程，构造了融合补偿信息的新状态估计方程，并进一步基于估计误差协方差矩阵推导了状态增益更新方法，得到了无迹卡尔曼滤波动态估计新方法。
拒绝服务攻击下基于改进UKF动态状态估计流程图
仿真表明改进UKF算法在DoS攻击下进行智能电网动态状态估计是可行有效的，且其状态估计性能明显优于传统UKF算法。
文章信息：李雪, 李雯婷, 杜大军, 孙庆, 费敏锐. 拒绝服务攻击下基于UKF的智能电网动态状态估计研究. 自动化学报, 2019, 45(1): 120-131.
,
