信息安全保障对于电力信息物理系统安全稳定运行至关重要,其关键在于对电力信息物理系统进行全方位实时监控,并对采集到的海量监测数据进行分析以做出准确的安全风险评估结果。作为用于模式分类的进化算法,基因表达式编程（gene expression programming,GEP）算法由于其可以执行全局搜索而受到广泛关注,但其在高维度数据集下的运算极为耗时。针对上述问题,提出了一种基于小生境提高样本多样性的改进基因表达式编程算法用于电网信息安全风险评估,该算法首先利用粗糙集的思想,通过分辨函数求解最优属性对数据样本进行约简,再利用小生境模型提高约简样本个体的多样性以加快GEP算法运算的收敛速度,进而通过遗传算法实现全局搜索并得到安全风险等级评估结果。仿真实验表明,与传统的安全风险评估算法相比,提出的改进GEP算法具有较高的属性约简率和全局收敛率,可以快速实现海量监测数据下的电网信息安全风险评估。
