基于数字孪生与机器学习技术的电力电子主导网格异常检测
系统与控制
2025-01-24 v1 系统与控制
摘要
现代电网正向电力电子主导网格（PEDG）转型，这是由于可再生能源和储能系统的日益增多所致。这一转变引入了电网运行的复杂性，增加了对网络攻击的脆弱性。本研究探索了数字孪生（DT）技术和机器学习（ML）技术用于PEDG异常检测的应用。DT能够准确地实时跟踪和模拟物理网格的行为，为监控和分析网格运行提供平台，提供关于整个电力系统动态功流的大量数据。通过集成ML算法，DT能够学习正常的网格行为，有效识别偏离 established patterns 的异常情况，从而实现对潜在网络攻击或系统故障的早期检测。这种方法提供了一种全面且积极的策略，用于增强网络安全性并确保PEDG的稳定性和可靠性。
引用
@article{arxiv.2501.13474,
title = {Leveraging Digital Twin and Machine Learning Techniques for Anomaly Detection in Power Electronics Dominated Grid},
author = {Ildar N. Idrisov and Divine Okeke and Abdullatif Albaseer and Mohamed Abdallah and Federico M. Ibanez},
journal= {arXiv preprint arXiv:2501.13474},
year = {2025}
}
备注
preprint accepted to 2025 Conference of Young Researchers in Electrical and Electronic Engineering (2025 ElCon)