抓作弊者：分布式优化中电动汽车聚合商策略操纵的检测
多智能体系统
2020-01-31 v2
摘要
鉴于全球电动汽车(EVs)的迅速增长以及为近期未来设定的雄心勃勃的目标，大型电动汽车车队的管理必须被视为优先事项。具体而言，我们研究这样一个场景：电动汽车充电由自利的电动汽车聚合商管理，这些聚合商在日前市场中竞争以购买满足其客户需求所需的电力。为了降低电力成本并减轻对电力市场的影响，文献中提出了一种采用协调器的集中式投标协调框架。为了改善隐私并减少对协调器的需求，我们提出将该协调框架重新表述为一种采用交替方向乘子法(ADMM)的分散式算法。然而，鉴于聚合商的自利性质，它们可能偏离该算法以降低其能源成本。因此，我们研究了对ADMM算法的策略操纵，并在此过程中描述和分析了不同的可能攻击向量，提出了一种量化和检测操纵的数学框架。重要的是，该检测框架不限于所考虑的电动汽车场景，可应用于一般ADMM算法。最后，我们使用来自西班牙的真实市场和驾驶员数据在现实场景中测试所提出的分散式协调和操纵检测算法。我们的实证结果表明，分散式算法向最优解的收敛可被操纵性攻击有效破坏，从而收敛到有利于攻击者的不同非最优解。关于检测算法，结果表明其达到了非常高的准确率，并显著优于朴素基准。
引用
@article{arxiv.1810.07063,
title = {Catching Cheats: Detecting Strategic Manipulation in Distributed Optimisation of Electric Vehicle Aggregators},
author = {Alvaro Perez-Diaz and Enrico Gerding and Frank McGroarty},
journal= {arXiv preprint arXiv:1810.07063},
year = {2020}
}