基于马氏距离的动态电力状态估计虚假数据注入攻击鲁棒防御方法
系统与控制
2021-06-10 v2 系统与控制
摘要
许多研究者已研究电力状态估计中的虚假数据注入（FDI）攻击，但现有状态估计方法仍极易受到FDI攻击。本文研究上述三类FDI攻击对动态电力状态估计（DSE）的问题。尽管这三类攻击数年前已在静态状态估计（SSE）中被发现，但在静态电力系统状态估计中均未被很好解决。本研究提出两种针对上述三类高效FDI攻击在DSE上的鲁棒防御方法。与现有方法相比，我们提出的方法有三个主要区别和显著优势：（1）它们防御的是动态而非静态电力状态估计上的三类FDI攻击；（2）它们给出一种鲁棒估计器，能准确提取一组无攻击传感器用于电力状态估计；（3）它们在电力传感器测量一致性检验中采用鲜为人知的马氏距离，不同于现有所有电力状态估计研究中使用的欧氏距离。我们从数学上证明，在电力传感器测量一致性检验中，马氏距离不仅有用，而且远优于欧氏距离。时间复杂度分析表明，两种提出的鲁棒防御方法均高效。此外，为证明所提方法的有效性，我们将其与三种知名方法比较：最小二乘方法、Imhotep-SMT方法和MEE-UKF方法。大量实验表明，与Imhotep-SMT方法和最小二乘方法相比，所提方法分别进一步将估计误差降低了两个和四个数量级。此外，我们的方法比MEE-UKF方法更稳定。
引用
@article{arxiv.2105.08873,
title = {Mahalanobis distance-based robust approaches against false data injection attacks on dynamic power state estimation},
author = {Jing Lin and Kaiqi Xiong},
journal= {arXiv preprint arXiv:2105.08873},
year = {2021}
}