Abwehrmechanismen gegen Datenfälschungsangriffe in der Schätzung des Systemzustands von Stromnetzen

Eine genaue Zustandsabschätzung ist von entscheidender Bedeutung, um die normalen Betriebsbedingungen von intelligenten Stromnetzen aufrechtzuerhalten. Um die Integrität der Zustandsabschätzung zu gewährleisten, verwenden die aktuellen Stromnetze ein Bad Data Detection (BDD) System, um fehlerhafte Messungen, die durch Geräteausfälle oder böswillige Angriffe verursacht werden, herauszufiltern. Jüngste Forschungen zeigen jedoch, dass sorgfältig synthetisierte Datenfälschungsangriffe das BDD-System umgehen und damit willkürliche Fehler in die Zustandsabschätzungen einführen können. In diesem Papier untersuchen wir Abwehrmechanismen gegen Datenfälschungsangriffe. Durch den Schutz sorgfältig ausgewählter Messungen kann kein Datenfälschungsangriff gestartet werden, um irgendeine Gruppe von Zustandsabschätzungen zu gefährden. Wir leiten zunächst eine notwendige und hinreichende Bedingung ab, um die zu schützenden Messungen auszuwählen, und analysieren die Eigenschaften der optimalen Lösung, die die Zustandsabschätzungen mit der geringsten Anzahl an Messungen schützt. Basierend auf diesen Argumenten werden sowohl optimale als auch reduzierend komplexe suboptimale Algorithmen vorgeschlagen. Insbesondere ermöglicht der suboptimale Algorithmus dem Systembetreiber, die Zustandsabschätzungen in beliebiger Reihenfolge gemäß ihrer relativen Wichtigkeit zu schützen. Analysen und Experimente zeigen, dass er die rechnerische Komplexität erheblich reduziert, während er im Vergleich zum optimalen Algorithmus eine vernachlässigbare Leistungseinbuße aufweist. Unsere Ergebnisse können möglicherweise in den Sicherheitsaufrüstprojekten unserer derzeitigen großflächigen Elektrizitätsversorgungssysteme im Hinblick auf intelligente Stromnetze Anwendung finden.