基于超图元学习的网络安全微电网博弈论韧性推荐框架
系统与控制
2025-11-03 v2 机器学习
系统与控制
摘要
本文提出了一种针对径向微电网在协同网络攻击下的物理感知网络安全韧性框架。所提出的方法通过基于超图神经网络 (HGNN) 增强的模型中性元学习 (MAML) 来快速适应不断演变的防御策略并预测高影响事件。攻击者建模为该方法，而防御者则通过双层斯塔克贝格游戏建模，其中上层使用嵌入在非支配排序遗传算法 II (NSGA-II) 中的交替方向乘子法 (ADMM) 协调器选择最优并联开关和分布式能源资源 (DER) 调度。该框架同时优化负荷供应、运行成本和电压稳定，确保所有防御后状态满足网络物理约束。该方法首先在具有12个DER、8个关键负荷和5条并联线的IEEE 69 总线配电试验系统上进行验证，然后扩展到更高总线系统，包括IEEE 123 总线配电网和一个包含300个总线的合成配电系统。结果表明，所提出的防御策略在90%的前列攻击中几乎恢复了全部服务，缓解了电压违规，并识别出 Feeder 2 作为主要脆弱走廊。推导出可操作的运行规则，建议预先布置特定的并联线以增强韧性，而更高的总线系统研究确认了该框架在IEEE 123 总线和300 总线系统上的可扩展性。
引用
@article{arxiv.2509.00528,
title = {Game Theoretic Resilience Recommendation Framework for CyberPhysical Microgrids Using Hypergraph MetaLearning},
author = {S Krishna Niketh and Prasanta K Panigrahi and V Vignesh and Mayukha Pal},
journal= {arXiv preprint arXiv:2509.00528},
year = {2025}
}