基于Koopman模态的电网实时攻击识别与模型无关算法
系统与控制
2020-08-31 v2 系统与控制
动力系统
摘要
来自相量测量单元(PMUs)等传感器的测量数据上的恶意活动可能误导控制中心操作员采取错误控制动作，导致运行中断、经济损失与设备损坏。特别是，在由负荷与发电突变引起的电力系统暂态期间发起的虚假数据攻击，可欺骗依赖阈值比较来触发异常的传统基于模型的检测方法。本文中，我们提出一种基于Koopman模态分解(KMD)的算法，用于实时检测与识别虚假数据攻击。Koopman模态(KMs)能够捕捉电力网络暂态动态中的非线性振荡模态，并揭示自然与异常振荡模态在传感器测量中的空间嵌入。基于Koopman的时空非线性模态分析用于滤除攻击者注入的虚假数据。该算法在IEEE 68总线测试系统上通过GridSTAGE（近期开发的用于网络物理电力系统对抗场景模拟的多变量时空数据生成框架）生成的合成攻击场景进行了性能演示。
引用
@article{arxiv.2007.11717,
title = {Model-Agnostic Algorithm for Real-Time Attack Identification in Power Grid using Koopman Modes},
author = {Sai Pushpak Nandanoori and Soumya Kundu and Seemita Pal and Khushbu Agarwal and Sutanay Choudhury},
journal= {arXiv preprint arXiv:2007.11717},
year = {2020}
}
备注
This work has been accepted in the 2020 IEEE SmartGridComm