A Novel ZSV-Based Detection Scheme for FDIAs in Multiphase Power Distribution Systems
Notice bibliographique
Résumé
Modern power systems are vulnerable to false data injection attacks (FDIAs) due to the widespread applications of two-way communication networks for system operation and control. Diagnosing such malicious attacks are of great significance for the resilient operations of power systems. Yet, in literature, the majority of studies in FDIA detection focus on power transmission systems. In this paper, a novel FDIA detection scheme is proposed for three-phase distribution systems based on zero-sequence voltage (ZSV). From the voltage and power measurements, the bus voltages are estimated, and then the estimated ZSV is calculated as the sum of the estimated bus voltages on the three phases to represent the degree of unbalance of the distribution system. Via mathematical analysis of the linear distribution system state estimation (DSSE) model, the distribution of the estimated ZSV under the normal condition is derived, based on which a whitening process is adopted on the estimated ZSV to weaken the effect of measurement noises. The <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\mathcal {L}_{2}$ </tex-math></inline-formula> -norm of the whitened ZSV vector is then compared with a predefined threshold for FDIA detection. Moreover, the probability of false alarm of the proposed scheme is derived, which can be utilized to determine the detection threshold for a desired tolerance of false alarm rate. The proposed scheme is validated on several IEEE Test Feeders and simulation results show the effectiveness of the proposed scheme in detecting FDIAs in three-phase distribution systems.
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 | 0,000 |
| 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 ».