تشخیص حمله‌ی سایبری تزریق داده‌ی غلط در شبکه‌ی‌ برق مبتنی‌بر pmu با استفاده از فیلتر‌ کالمن

با گسترش استفاده از شبکه‌های ارتباطی و ساختار سایبر فیزیکی در سیستم‌های قدرت، حملات سایبری به تهدیدی جدی در شبکه‌ی برق تبدیل‌ شده‌است. برهم کنش شبکه‌های ارتباطی (لایه سایبری) و شبکه‌های برق (لایه فیزیکی)، فرایند تخمین حالت سیستم‌های قدرت را نسبت به حملات سایبری آسیب‌پذیر کرده‌است. در این مقاله، مسئله‌ی تشخیص حمله‌ی تزریق داده‌ی غلط (‌fdi) در شبکه‌ی برق با در‌‌نظر‌‌‌گرفتن اندازه‌گیری‌های انجام‌شده توسط واحد اندازه‌گیری فازور (pmu) و تخمین دینامیکی متغیرهای حالت سیستم توسط تخمین‌گر کالمن مورد بحث قرارگرفته ‌است. حمله‌ی موردنظر به کانال‌های ارتباطی بین pmu و تخمین‌گر حالت صورت می‌گیرد. نشان داده ‌شده ‌است به‌دلیل ماهیت هوشمند حمله ی fdi طراحی‌شده، آشکارساز  که کارایی خوبی برای تشخیص سایر انواع حملات سایبری دارد، قادر به تشخیص این نوع حمله نیست. در مقابل روش ارائه‌شده که از آشکارساز فاصله اقلیدسی و فیلتر کالمن استفاده می کند، کارایی خوبی در تشخیص حمله ی fdi از خود نشان می دهد. اگر مهاجم با الگوریتمی پیشرفته و بر اساس اطلاعاتی که از شبکه و پارامترهای آن دارد، حمله را به‌گونه‌ای طراحی کند که در چند pmu به‌طور جزئی تزریق داده غلط انجام شود، آشکارساز طراحی‌شده قادر خواهد‌بود این حمله را به‌‌سرعت تشخیص دهد. احتمال تشخیص نادرست به‌دلیل اثر نویز کمتر از 1 درصد است. تاثیر حمله‌ی fdi بر تخمین‌ حالت سیستم و کارایی روش موردمطالعه در تشخیص حمله در سیستم استاندارد 14 باسه ‌ieee نشان داده‌ شده‌است.

Detection of False Data Injection Attack in PMU-based Power Grid Using Kalman Filter

Cyberattacks have become a serious threat to the power grid by expanding the use of communication networks and cyberphysical systems in power systems. due to the connection between communication networks (cyber layer) and Power Grids (physical layer), state estimation of power systems is vulnerable to cyber attacks. In this paper, state estimation in the power system without any cyberattacks has occurred, then the detection of false data injection attack power grid when the measurements made by phasor measurement unit (PMU), and the dynamic estimation of the system state variables are estimated by Estimator Kalman. The attack is applied to the communication channels between the PMU and the state estimator. The proposed method which is based on the Kalman filter and the Euclidean distance detector has a good performance in detection of complex attacks such as a false data injection attack. The effectiveness of the proposed method is shown by simulating false data injection attacks on the IEEE 14bus system. The impact of the FDI attack on the state estimation system and the effectiveness of the proposed method is shown detection of attacks in an IEEE 14bus system is shown.