تشخيص حمله‌ي سايبري تزريق داده‌ي غلط در شبكه‌ي‌ برق مبتني‌بر PMU با استفاده از فيلتر‌ كالمن

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

با گسترش استفاده از شبكه‌هاي ارتباطي و ساختار سايبر- فيزيكي در سيستم‌هاي قدرت، حملات سايبري به تهديدي جدي در شبكه‌ي برق تبديل‌ شده‌است. برهم­كنش شبكه‌هاي ارتباطي (لايه سايبري) و شبكه‌هاي برق (لايه فيزيكي)، فرايند تخمين حالت سيستم‌هاي قدرت را نسبت به حملات سايبري آسيب‌پذير كرده‌است. در اين مقاله، مسئله‌ي تشخيص حمله‌ي تزريق داده‌ي غلط (‌FDI) در شبكه‌ي برق با در‌‌نظر‌‌‌گرفتن اندازه‌گيري‌هاي انجام‌شده توسط واحد اندازه‌گيري فازور (PMU) و تخمين ديناميكي متغيرهاي حالت سيستم توسط تخمين‌گر كالمن مورد بحث قرارگرفته ‌است. حمله‌ي موردنظر به كانال‌هاي ارتباطي بين PMU و تخمين‌گر حالت صورت مي‌گيرد. نشان داده ‌شده ‌است به‌دليل ماهيت هوشمند حمله­ي FDI طراحي‌شده، آشكارساز كه كارايي خوبي براي تشخيص ساير انواع حملات سايبري دارد، قادر به تشخيص اين نوع حمله نيست. در مقابل روش ارائه‌شده كه از آشكارساز فاصله اقليدسي و فيلتر كالمن استفاده مي­كند، كارايي خوبي در تشخيص حمله­ي FDI از خود نشان مي­دهد. اگر مهاجم با الگوريتمي پيشرفته و بر اساس اطلاعاتي كه از شبكه و پارامترهاي آن دارد، حمله را به‌گونه‌اي طراحي كند كه در چند PMU به‌طور جزئي تزريق داده غلط انجام شود، آشكارساز طراحي‌شده قادر خواهد‌بود اين حمله را به‌‌سرعت تشخيص دهد. احتمال تشخيص نادرست به‌دليل اثر نويز كمتر از 1 درصد است. تأثير حمله‌ي FDI بر تخمين‌ حالت سيستم و كارايي روش موردمطالعه در تشخيص حمله در سيستم استاندارد 14 باسه ‌IEEE نشان داده‌ شده‌است.

Cyber-attacks have become a serious threat to the power grid by expanding the use of communication networks and cyber-physical 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 cyber-attacks 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 14-bus 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 14-bus system is shown.