False Data Injection Attacks Against State-of-Charge Estimation of Battery Energy Storage Systems in Smart Distribution Networks
Notice bibliographique
Résumé
Advancement of battery energy storage systems (BESSs) has made BESSs typical cyber-physical systems (CPSs), which exposes BESSs, especially for the state of charge (SoC) estimation function, to severe cyber attacks. This article investigates the vulnerability of SoC estimation of BESSs in smart distribution networks (SDNs) to false data injection attacks (FDIAs) to provide a basis to study the attack mechanisms against BESSs and a theoretical guide to develop countermeasures. The mechanism of FDIAs against SoC estimation is investigated by theoretically analyzing the SoC estimation errors caused by compromised measurements, and a static FDIA model targeting one snapshot of SoC estimation is formulated. Considering temporal correlation among measurements, a detection method using the innovation test is proposed for static FDIAs, where the innovations are derived statistically. Considering the error accumulation effect, a novel sequential FDIA is proposed, which consists of a sequence of static FDIAs with small magnitudes. They can bypass most of the existing bad data detection algorithms, including the innovation test, with significant attack effects. An online approach is proposed for the practical construction of sequential FDIAs, which is formulated as a linear programming problem. Case studies based on modified IEEE 13 bus test feeder demonstrate the vulnerability of SoC estimation to FDIAs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».