Cyber-Physical Attack Conduction and Detection in Decentralized Power Systems

Abstract

L'expansion des systèmes électriques sur de vastes zones géographiques rend le traitement centralisé inefficace. Par conséquent, l'opération distribuée est de plus en plus adoptée. Ce travail introduit un nouveau type d'attaque contre l'estimation de l'état distribué des systèmes d'alimentation, qui fonctionne sur des bus frontaliers interzones. Nous montrons que l'attaque développée peut contourner les estimateurs d'état robustes existants et les approches de détection basées sur la convergence. Par la suite, nous concevons soigneusement un mécanisme de détection des cyber-anomalies basé sur l'apprentissage en profondeur pour détecter de telles attaques. Les simulations réalisées sur le système IEEE 14 bus révèlent que le framework développé permet d'obtenir une très grande précision de détection. De plus, les résultats expérimentaux indiquent que le détecteur proposé surpasse les méthodes actuelles de détection basées sur l'apprentissage automatique.La expansión de los sistemas de energía en grandes áreas geográficas hace que el procesamiento centralizado sea ineficiente. Por lo tanto, la operación distribuida se adopta cada vez más. Este trabajo introduce un nuevo tipo de ataque contra la estimación del estado distribuido de los sistemas de energía, que opera en los buses de frontera entre áreas. Mostramos que el ataque desarrollado puede eludir los estimadores de estado robustos existentes y los enfoques de detección basados en la convergencia. Posteriormente, diseñamos cuidadosamente un mecanismo de detección de ciberanomalías basado en el aprendizaje profundo para detectar dichos ataques. Las simulaciones realizadas en el sistema IEEE 14-bus revelan que el marco desarrollado puede obtener una precisión de detección muy alta. Además, los resultados experimentales indican que el detector propuesto supera los métodos de detección actuales basados en el aprendizaje automático.The expansion of power systems over large geographical areas renders centralized processing inefficient. Therefore, the distributed operation is increasingly adopted. This work introduces a new type of attack against distributed state estimation of power systems, which operates on inter-area boundary buses. We show that the developed attack can circumvent existing robust state estimators and the convergence-based detection approaches. Afterward, we carefully design a deep learning-based cyber-anomaly detection mechanism to detect such attacks. Simulations conducted on the IEEE 14-bus system reveal that the developed framework can obtain a very high detection accuracy. Moreover, experimental results indicate that the proposed detector surpasses current machine learning-based detection methods.إن توسع أنظمة الطاقة على مناطق جغرافية واسعة يجعل المعالجة المركزية غير فعالة. لذلك، يتم اعتماد العملية الموزعة بشكل متزايد. يقدم هذا العمل نوعًا جديدًا من الهجوم ضد تقدير الحالة الموزعة لأنظمة الطاقة، والتي تعمل على الحافلات الحدودية بين المناطق. نظهر أن الهجوم المطور يمكن أن يتحايل على مقدرات الحالة القوية الحالية ونهج الكشف القائم على التقارب. بعد ذلك، نصمم بعناية آلية للكشف عن الشذوذ السيبراني القائم على التعلم العميق للكشف عن مثل هذه الهجمات. تكشف عمليات المحاكاة التي أجريت على نظام IEEE 14 - bus أن الإطار المطور يمكن أن يحصل على دقة كشف عالية جدًا. علاوة على ذلك، تشير النتائج التجريبية إلى أن الكاشف المقترح يتجاوز طرق الكشف الحالية القائمة على التعلم الآلي.