面向直流微电网中平行转换器的混合机器学习方法用于网络攻击缓解
系统与控制
2024-06-12 v1 系统与控制
摘要
随着可再生能源源不断集成到直流微电网中，通信需求的增加引入了网络攻击的敏感性。平行 DC-DC 转换器用于提供大电流并向负载供电。然而，这些系统可能受到网络攻击的威胁，可能导致运行中断并危及稳定性。通过操控通信命令和低层控制信号，可能导致电压不稳定。因此，本文考察了针对直流微电网中平行 DC-DC 转换器的网络攻击。建议提出一种混合机器学习基于检测和缓解的策略，以抵御此类威胁。研究了针对转换器的虚假数据注入（False Data Injection, FDI）攻击。通过在 MATLAB/Simulink 环境中执行各种情景的仿真验证了所提方法的有效性。该技术成功识别并阻止了 FDI 攻击，防止了网络攻击，确保了直流微电网的安全运行。
引用
@article{arxiv.2406.07503,
title = {Hybrid Machine Learning Approach for Cyberattack Mitigation of Parallel Converters in a DC Microgrid},
author = {Naser Souri and Ali Mehrizi-Sani},
journal= {arXiv preprint arXiv:2406.07503},
year = {2024}
}