面向智能电网广域监测与保护系统的机器学习黑盒攻击数据集

摘要：该数据集通过扰动PMU数据研究黑盒攻击对智能电网机器学习系统的影响，用于评估模型的安全性与鲁棒性。

数据集概述

该数据集通过对相量测量单元（PMU）数据进行协调扰动，研究黑盒攻击对智能电网机器学习监控、保护和事件诊断系统的影响，可用于评估深度神经网络面对对抗性数据操纵时的安全性与可靠性。

数据结构与关键特征

数据集将10个PMU采集的电压和频率时序数据转换为300×20×3的伪彩色图像，每幅图像对应一个持续5秒的电力系统扰动事件。数据包含344个故障实例、140个发电损失实例和21个同步电机切换实例，共计505个样本。

应用价值与研究方向

该数据集可用于电力系统扰动分类、PMU时空特征分析、黑盒对抗攻击检测、深度神经网络鲁棒性评估及智能电网入侵防御研究，为构建安全可靠的广域监测与保护系统提供数据基础。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-675
文件大小：183M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。