面向机器学习的负荷削减以缓解电网不稳定攻击
机器学习
2025-10-10 v2
摘要
随着社会对基础设施的依赖性日益增加，基础设施变得越来越复杂。这为攻击和新防御策略的可能性打开了门。我们的工作聚焦于电网的不稳定攻击，即攻击者通过引入不稳定动力学导致级联停电。在应对电网压力时，标准的缓解方法是负荷削减：系统运算员选择一组负荷关闭直到情况得到解决。虽然这一技术是标准做法，但没有系统方法来选择哪些负荷会停止不稳定攻击。本文使用数据驱动的方法解决了这个问题。我们在IEEE 14 Bus System上展示了一个概念证明，使用Achilles Heel Technologies的Power Grid Analyzer，并通过修改Pronky分析（MPA）的实现表明MPA是检测不稳定攻击并触发防御机制的可行方法。
引用
@article{arxiv.2509.26532,
title = {Machine-Learning Driven Load Shedding to Mitigate Instability Attacks in Power Grids},
author = {Justin Tackett and Benjamin Francis and Luis Garcia and David Grimsman and Sean Warnick},
journal= {arXiv preprint arXiv:2509.26532},
year = {2025}
}