CA-CNN-Transformer定位模型

攻击定位更准

该模型结合坐标注意力、CNN和Transformer，能同时捕捉局部与全局特征，在多个基准方法中展现出最优的虚假数据注入攻击定位能力。

潘欢 · Hang, Yang · 纳春宁 · Jiayi, Jin

Sustainable Energy, Grids and Networks 2026

技术优势

多位置攻击也能定位

模型输出每个母线的攻击概率，可同时标记多个受损点，避免漏检。

局部细节与全局趋势都抓

CNN提取局部测量变化，Transformer建模全网关联，二者互补提升定位精度。

关键特征更突出

坐标注意力在通道与空间两个维度上自适应加权，让攻击信号更加显著。

应用场景

• 电网攻击定位：将坏数据检测细化到母线级定位，替代仅报警不定位的传统方案。
• 虚假数据注入检测：直接从测量向量中区分攻击与正常波动，无需预知攻击模式。
• 电网状态估计：作为状态估计器的前置防线，剔除被篡改的量测后再进行估计。
• 电力系统网络安全：为调度中心提供攻击位置告警，缩短人工排查时间。