الكشف الدقيق عن هجمات حقن البيانات الزائفة في أنظمة الطاقة المتجددة باستخدام التعلم العميق

أدى التطور السريع للتكنولوجيا في العقود القليلة الماضية إلى خلق مجتمع يعتمد بشكل كبير على الكهرباء، حيث يمكن أن تؤدي حتى الاضطرابات القصيرة في إمدادات الطاقة إلى عواقب اقتصادية واجتماعية خطيرة. لذلك، أصبح ضمان تشغيل آمن وموثوق لنظام الطاقة ذا أهمية قصوى. تمثل هجمات حقن البيانات الزائفة (FDIAs) فئة من الهجمات السيبرانية التي تستهدف تقدير حالة نظام الطاقة. تقوم FDIAs بتغيير وجهة نظر حالة نظام الطاقة، مما قد يؤدي إلى اتخاذ إجراءات تحكم غير مناسبة. وبالتالي، يعتبر وجود طريقة موثوقة للكشف عن FDIAs شرطًا أساسيًا لتشغيل نظام الطاقة بأمان في سياق الأمن السيبراني. من خلال ملاحظة قلة الأدبيات التي تحلل الكشف عن FDIAs في أنظمة الطاقة التي تحتوي على نسبة عالية من مصادر الطاقة المتجددة، يظهر هذا البحث أن أداء الطرق الحالية يتدهور عند مواجهة الطبيعة المتقلبة لمصادر الطاقة المتجددة. يقدم هذا البحث نهج التعلم العميق للكشف عن FDIAs فيما يتعلق بأنظمة الطاقة التي تحتوي على نسبة عالية من مصادر الطاقة المتجددة. تم التحقق من أداء الطريقة المقترحة من خلال سيناريوهات مختلفة تعتمد على النسخ المعدلة من نظام IEEE 14-bus ونظام IEEE 118-bus. لقد كانت الطريقة المقترحة قادرة على كشف معظم الهجمات تحت سيناريوهات اختبار مختلفة، متفوقةً على التقنيات المرجعية بمعدل كشف متوسط قدره 99% لنظام IEEE 14-bus و97% لنظام IEEE 118-bus.