بهرهبرداری شبکه هوشمند انرژی الکتریکی با لحاظ آسیبپذیری اطلاعاتی
First Statement of Responsibility
وحید سهرابی تبار
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
مهندسی برق و کامپیوتر
Date of Publication, Distribution, etc.
۱۴۰۰
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۱۱۶ص.
Accompanying Material
سی دی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
دکتری
Discipline of degree
مهندسی برق قدرت
Date of degree
۱۴۰۰/۱۱/۱۶
SUMMARY OR ABSTRACT
Text of Note
سیستمهای انرژی الکتریکی در طول سالهای اخیر در حال پیشرفت و تغییر ساختار بودهاند. عوامل مختلفی مانند تقاضای بار و مشکلات زیست محیطی باعث شده تا نفوذ انرژیهای تجدیدپذیر و سهم آنها در تولید انرژی افزایش یابد، به طوری که در آینده نقش مهمی در تأمین بار به عهده خواهند داشت. از سوی دیگر، با پیشرفت فناوریهای به کار رفته در شبکههای انرژی الکتریکی، میزان تبادل دادهها بین بخشهای مختلف با سرعت بالایی افزایش یافته است. اگرچه این موضوع، مشاهدهپذیری، بهرهوری و کنترلپذیری سیستم را بهبود میدهد، اما شبکه را در معرض آسیبهای حوزه فناوری اطلاعات قرار میدهد. از این رو، به دلیل استفاده گسترده از فناوریهای اطلاعاتی و ارتباطی در کنار نفوذ وسیع منابع تجدیدپذیر در شبکههای هوشمند، امنیت اطلاعاتی این شبکهها بسیار مهم خواهد بود. در این رساله، بهرهبرداری شبکههای هوشمند مبتنی بر انرژیهای تجدیدپذیر با در نظرگیری اثر آسیبپذیری اطلاعاتی مورد بررسی قرار میگیرد و هدف اصلی ارتقاء امنیت اطلاعاتی تحت حملات سایبری-فیزیکی است. در این رابطه، فرض بر این است که عوامل غیرقانونی دادههای حسگرهای اندازهگیری سرعت باد و تابش خورشید را تغییر میدهند تا عملکرد ایمن تحت تأثیر قرار گیرد. در این راستا، یک فرآیند تصادفی زمان واقعی مبتنی بر روش مشاهده-عمل برای شبیهسازی رفتار مهاجمان استفاده شده است. در مقابل، برای بهبود امنیت و کاهش تأثیر آسیبپذیری، یک چارچوب یکپارچه متشکل از واحدهای آفلاین و آنلاین طراحی شده است. برای ساخت چارچوب آفلاین، یک فرآیند دادهکاوی شامل الگوریتمهای نزدیکترین همسایه و ماشین بردار پشتیبان بر اساس دادههای واقعی تاریخی اجرا میشود. علاوه بر این، چارچوب آنلاین دادههای زمان واقعی را با توجه به حسگری که از قبل محافظت شده است، ردیابی میکند. نتایج شبیهسازی نشان میدهد که چارچوب پیشنهادی قادر است تأثیر آسیبپذیری سایبری-فیزیکی ذکر شده را در حضور حملات همزمان تا حد زیادی کاهش دهد و در صورت از دست رفتن تمام حسگرها، عملکرد شبکه همچنان نزدیک به حالت عادی خواهد بود. تجزیه و تحلیل حساسیت بر ضرایب آستانه تأیید میکند که برای جلوگیری از تصمیمات اشتباه، باید مشکل عدم اطمینان منابع را در نظر گرفت. همچنین، اگر تصمیمات زمان واقعی توسط مهاجمان با احتیاط بیشتری گرفته نشود، درصد تشخیص داده کاذب به طور قابل توجهی افزایش مییابد. در نهایت، صحت سنجی نتایج نشان میدهد که عملکرد روش ارائه شده در بسیاری از زمانها بهتر از روش یادگیری عمیق بوده و خطای آن نیز کمتر است.
Text of Note
The structure of electrical energy systems is changed and evolved during recent years. Various factors such as load demand and environmental problems have increased the penetration of renewable resources and their contribution to energy production so that in the future, they will play an important role in power generation. On the other hand, with the advancement of utilized technologies in electrical energy networks, the rate of data exchange between different parts has increased rapidly. Although this improves the visibility, efficiency and controllability, it exposes the network to information technology vulnerability. Therefore, due to the widespread use of information and communication technologies along with the penetration of renewable resources in smart grids, the information security of such networks will be critical. In this thesis, the operation of renewable smart grids is examined with considering the effect of information vulnerability to improve security under cyber-physical attacks. In this regard, it is assumed that illegal agents alter the data of wind speed and solar radiation sensors to affect the safe operation. To simulate the behavior of attackers, a real-time stochastic procedure based on the observation-action method has been used. In contrast, to enhance security and reduce the impact of such vulnerabilities, an integrated framework composed of offline and online units is designed. To build the offline framework, a data mining process including k-nearest neighbor algorithms and support vector machine is proposed based on real historical data. In addition, the online framework tracks real-time data according to a pre-secured sensor. The simulation results show that the suggested framework is able to greatly mitigate the impact of the mentioned cyber-physical vulnerability in the presence of simultaneous attacks, and if all sensors are lost, the performance will still be close to the normal operation. Sensitivity analysis on the threshold coefficients confirms that the resource uncertainty should be considered to avoid wrong decisions. Moreover, if real-time decisions are not taken by attackers more cautiously, the percentage of false detection will increase significantly. Eventually, validation of the results shows that the performance of the proposed framework is better than the deep learning proceeding and its error is much less
OTHER VARIANT TITLES
Variant Title
Operation of smart electrical energy network considering information vulnerability