Preview

Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ

Расширенный поиск

Использование многомодельной прогнозной оценки состояния систем электроснабжения для обнаружения кибер-атак

https://doi.org/10.30724/1998-9903-2021-23-5-13-23

Полный текст:

Аннотация

ЦЕЛЬ. Интеллектуальные электрические сети предполагают широкое использование информационной инфраструктуры. Такая совокупная киберфизическая система может подвергаться воздействию кибератак. Одним из способов противодействия кибератакам является оценка состояния, позволяющая уточнять показания установленных в сети измерителей параметров электрической сети, а также использовать избыточность измерений для фильтрации поврежденных данных. В частности, при подмене реального измерения фальшивым или сбое в функционировании каналов связи возможно обнаружение ложных данных и их восстановление. Однако существует класс кибератак с вводом неверных данных, направленный на искажение результатов оценки состояния. Целью исследования было разработать алгоритм оценки состояния, сохраняющий высокую точность в условиях кибер-атак.

МЕТОДЫ. Авторами предлагается метод прогнозируемой оценки состояния, основанный на многомодельном дискретном следящем оценивании параметра фильтром Калмана. Многомодельная оценка определяется как взвешенная сумма одномодельных оценок, полученных с использованием различных переходных моделей. Обнаружение кибератаки реализуется с помощью инновационного анализа и анализа невязки измерения и оценки. Анализ работы предложенного алгоритма производился с помощью имитационного моделирования на примере 30-ти узловой схемы IEEE в программном комплексе MatLab.

РЕЗУЛЬТАТЫ. В статье описана кибер-атака с вводом неверных данных и ее специфика воздействия на оценку состояния. Разработан алгоритм многомодельной прогнозируемой оценки состояния, позволяющий обнаруживать кибер-атаку и восстанавливать искаженные данные. Выполнено моделирование работы алгоритма и доказана его эффективность.

ЗАКЛЮЧЕНИЕ. Результаты показали точность обнаружения кибератаки 100% в случае больших внесенных искажений параметров. Использование многомодельной прогнозируемой оценки состояния является эффективным методом защиты от воздействия кибер-атак на энергосистему.

Об авторах

И. А. Лукичева
Нижегородский государственный технический университет им. Р.Е. Алексеева
Россия

Лукичева Ирина Александровна – стажер-исследователь Сколковского института науки и технологий центра Энергетических наук и технологий

г. Нижний Новгород



А. Л. Куликов
Нижегородский государственный технический университет им. Р.Е. Алексеева
Россия

Куликов Александр Леонидович – д-р техн. наук, профессор кафедры «Электроэнергетика, электроснабжение и силовая электроника»

г. Нижний Новгород



Список литературы

1. Колосок И.Н., Гурина Л.А. Оценка качества данных SCADA и WAMS при кибератаках на информационно-коммуникационную инфраструктуру ЭЭС // Информационные и математические технологии в науке и управлении. 2020. № 1(17). С. 69-78.

2. Liu Y., Ning P., and K. Reiter M. False data injection attacks against state estimation in electric power grids. ACM Transactions on Information and System Security (TISSEC). 2011. V. 14. № 1. p. 13.

3. Bobba R.B., Rogers K., Wang Q., et al. Detecting false data injection attacks on DC state estimation. In: Proceedings of First Workshop on Secure Control Systems (SCS 2010), Stockholm, Sweden (April 2010).

4. Karimipour H and Dinavahi V. On false data injection attack against dynamic state estimation on smart power grids. In 2017 IEEE International Conference on Smart Energy Grid Engineering (SEGE). 2017. pp. 388-393.

5. Moslemi R., Mesbahi A., and Velni J. M. A fast, decentralized covariance selectionbased approach to detect cyber attacks in smart grids. IEEE Transactions on Smart Grid, 2017.

6. Li S., lmaz Y.Y., Wang X. D. Quickest detection of false data injection attack in widearea smart grids. IEEE Trans. Smart Grid. 2015. V. 6. № 6. pp. 27252735.

7. Esmalifalak M., Shi G., Han Z and Song L.Y. Bad data injection attack and defense in electricity market using game theory study. IEEE Trans. Smart Grid. 2013. V. 4. №. 1. pp. 160-169.

8. Куликов А.Л., Шарафеев Т.Р., Осокин В.Ю. Методы обнаружения кибератак и анализа сценариев кибернападений на электроэнергетические системы. Вестник НГИЭИ. 2017. Т.10. № 77.

9. Лукичева И.А., Куликов А.Л. 2019. Повышение точности оценки состояния электрической сети в условиях кибератак с использованием медианной фильтрации. Вестник Иркутского государственного технического университета. 2019. Т.23. № 2 (145).

10. Гамм А.З. Статистические методы оценивания состояния электроэнергетических систем. М.: Наука, 1976. 220 с.

11. Zhao J., Comer-Exposito A., Netto M et al. Power System Dynamic State Estimation: Motivations, Definitions, Methodologies, and Future Work // IEEE Transactions on Power Systems. 2019. V. 34, №. 4. pp. 3188–3198.

12. Do Coutto Filho, Milton Brown, and Julio Cesar Stacchini de Souza. Forecastingaided state estimation. Pt I: Panorama. IEEE Transactions on Power Systems. 2009. pp.1667-1677.

13. Радиоэлектронные системы: Основы построения и теория. Справочник. 2-е изд. пе-рераб. и доп. / под ред. Я.Д. Ширмана. М.: Радиотехника, 2007. 512 с.

14. Da Silva A.L, Do Coutto Filho M., Cantera J. An efficient dynamic state estimation algorithm including bad data processing // IEEE transactions on Power Systems. 1987. V. 2, no. 4. pp. 1050–1058.

15. An elementary introduction to Kalman filtering / Y. Pel, S. Biswas, D.S. Fussell, K. Pingali // Communications of the ACM 62.11. 2019. pp. 122–133.

16. Geetha SJ, Chakrabarti S, Rajawat K, et al. An asynchronous decentralized forecasting-aided state estimator for power systems. IEEE Transactions on Power Systems. 2019. V. 34(4). pp. 3059-3068.

17. Liao Yizheng, Yang Weng, Guangyi Liu, Ram Rajagopal Urban mv and lv distribution grid topology estimation via group lasso // IEEE Transactions on Power Systems 34.1. 2018. V. 34(1). pp. 12–27.

18. Administration B. P. (2012) Wind generation total load in the bpabalancing authority. Available at http://transmission.bpa.gov/business/operations/wind.

19. Meliopoulos, Madani V., Novosel D, et al. Synchrophasor measurement accuracy char-acterization // North American Synchro Phas-or Initiative Performance &Standards Task Team (Consortium for Electric Reliability Technology-Solutions). 2007. V. 10.


Рецензия

Для цитирования:


Лукичева И.А., Куликов А.Л. Использование многомодельной прогнозной оценки состояния систем электроснабжения для обнаружения кибер-атак. Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. 2021;23(5):13-23. https://doi.org/10.30724/1998-9903-2021-23-5-13-23

For citation:


Lukicheva I.A., Kulikov A.L. The usage of power system multi-model forecasting aided state estimation for cyber attack detection. Power engineering: research, equipment, technology. 2021;23(5):13-23. (In Russ.) https://doi.org/10.30724/1998-9903-2021-23-5-13-23

Просмотров: 188


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1998-9903 (Print)
ISSN 2658-5456 (Online)