MétaCan
Menu
Retour à la cohorte
Enregistrement W4312991998 · doi:10.1109/pesgm48719.2022.9917110

Detection of Cyber-Physical Attacks Using Optimal Recursive Least Square in an Islanded Microgrid

2022· article· en· W4312991998 sur OpenAlexaff
Ahmadreza Abazari, Masoud Zadsar, Mohsen Ghafouri, Chadi Assi

Notice bibliographique

Revue2022 IEEE Power & Energy Society General Meeting (PESGM) · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCyber-physical systemComputer scienceControl theory (sociology)MicrogridNetwork topologyParticle swarm optimizationSensitivity (control systems)Physical layerSquare (algebra)Recursive least squares filterCovariance matrixForgettingMathematical optimizationAlgorithmEngineeringMathematicsElectronic engineeringControl (management)TelecommunicationsWireless

Résumé

récupéré en direct d'OpenAlex

Islanded microgrids (IMGs) are defined as low-inertia systems compared to conventional power grids due to existing inverter-based topologies and lack of heavy rotational masses in their structures. In this regard, IMGs require an accurate load frequency control (LFC) scheme to regulate the frequency response through a cyber layer on top of the physical layer. This multi-layer structure and the sensitivity of LFC schemes to any disturbance, however, makes MGs an appealing target for a variety of cyber-physical attacks (CPAs). This paper introduces an online detection algorithm for CPAs in IMGs by the use of a recursive least square method along with forgetting factor (RLS-FF). The simulation results verify the performance of the developed detection schemes, particularly when the RLS-FF approach coefficients, i.e., covariance matrix and forgetting factor are optimally selected using particle swarm optimization (PSO) algorithm.

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 enseignants0,156
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 Opus0,015
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 IEEE Power & Energy Society General Meeting (PESGM)Même sujetSmart Grid Security and ResilienceTravaux en français237 207