针对传统电网信息系统安全风险预测模型没有分解信号时频特征,导致存在预测准确性能低、预测时间长的问题,提出基于机器学习算法的电网信息系统安全风险预测模型。在电网信息系统中安装数据采集装置,采集电网信息系统运行工况信息,利用自相关匹配检测方法,实现对采集工况信号时频特征的分解,基于交互式学习技术,完成采集运行数据的聚类分析,设置系统安全风险预测指标,并利用机器学习算法计算对应指标的权值,从系统网络攻击预测、用户行为预测和系统硬件设备故障预测3个方面,得出系统安全风险的预测值。实验结果表明:研究模型的预测准确率更高,预测时间更短,有效性更好。
