Countering FDI Attacks on DERs Coordinated Control System Using FMI-Compatible Cosimulation
Notice bibliographique
Résumé
In this article, the resilience of a coordinated control system for a set of PV-based distributed energy resources (DERs) against false data injection (FDI) attacks is evaluated. The evaluation is performed using a functional mock-up interface (FMI)-compatible cosimulation platform which enables the interaction of multi-domain simulators (EMTP, MATLAB/Simulink, and NS-3). The cosimulation platform permits rigorous analysis of cybersecurity through detailed modeling of all system components. The DER coordinated control and communication systems implemented on the IEEE-34 bus benchmark consist of measurement, control and monitoring components including substation central controller, DER local controllers, synchrophasor network and advanced metering infrastructure (AMI). Some DERs are equipped with an energy storage system (ESS) and coordinated by the central control unit in order to correct voltage disturbances resulting from the intermittent solar photovoltaic (PV) generation. The FDI attack targets the AMI system and aims at manipulating the load profile messages reported by the smart meter collector, thus yielding a central control failure. To detect the attacks and mitigate their impacts, a neural network-based algorithm is proposed and incorporated in the central control unit. The effectiveness of the proposed detection and mitigation algorithm is confirmed through simulations using the proposed FMI-compatible cosimulation platform.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».