MétaCan
Menu
Retour à la cohorte
Enregistrement W3041587426 · doi:10.1145/3389682

A User-centric Approach toward Resilient Frequency-regulating Wind Generators

2020· article· en· W3041587426 sur OpenAlexaff
Mohammadreza F. M. Arani, Deepa Kundur

Notice bibliographique

RevueACM Transactions on Cyber-Physical Systems · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCyber-physical systemResilience (materials science)Wind powerComputer sciencePhysical layerElectric power systemAttack surfaceSmart gridComputer securityFrequency regulationPower (physics)EngineeringTelecommunicationsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Smart microgrids are rapidly being developed and deployed, even as concerns over their cyber-physical security are increasing. The high penetration of these power electronic-interfaced energy resources has resulted in weaker power grids and an increase in cyberattack surface. The implementation of frequency regulation in these new resources—particularly in wind generators—is on the rise. This article investigates how malicious controllable loads can threaten the integrity of frequency-regulating wind generators. Adopting a user-centric approach and benefiting from small-signal analyses, the article shows for the first time how these wind generators can be the target of attackers. Effective methods to enhance system resilience are sought by mitigating the attack risk in the extended end-users, wind generators. The article models and explores how proper tuning and design of the physical system can improve cyber-physical security. The work also extends the user-centric method to the physical layer of smart grids. Detailed time-domain simulations verify the results of the analyses.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,217
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACM Transactions on Cyber-Physical SystemsMême sujetSmart Grid Security and ResilienceTravaux en français237 207