GRU-KF攻击检测网络

抗GPS欺骗的自适应状态估计

在卡尔曼滤波框架中嵌入门控循环单元，实时学习最优增益，从受污染的PMU测量中恢复准确的电力系统状态。

Jinglong, Qiu · Gao, Wengen · Yunfei, Li · 胡鹏飞 · 吴红斌 · Zhen, Bao

Reliability Engineering and System Safety 2026

技术优势

攻击角度可校正

GRU学习卡尔曼增益，能够识别并校正GPS欺骗引起的相角偏移，使状态估计免受污染影响。

性能优于现有技术

在多种GPS欺骗攻击场景下，所提方法始终优于现有方法，验证了其鲁棒性和有效性。

应用场景

• 智能电网状态估计：在GPS欺骗下仍能提供准确状态估计，保障电网实时监控与调度决策。
• 电网安全监测：实时识别攻击引起的相角异常，为电网安全预警提供依据。
• 电力系统故障诊断：通过校正攻击影响，避免将网络攻击误判为物理故障，提升诊断准确性。
• 电网自动化：嵌入自动化控制回路，确保状态反馈不受同步攻击干扰，提高自动化可靠性。