Cyber Induced Harmonic Instability of Inverter-Based Renewable Generators
Notice bibliographique
Résumé
Extensive integration of inverter-based resources (IBRs) has introduced stability challenges to power grids due to their low-inertia nature and grid-following control configuration. To address these challenges, recent IEEE standards, e.g., IEEE 1547.1-2020, recommended grid-connected IBRs to provide grid-supporting functions, necessitating communication with utility control centers through various protocols. However, deployment of communication protocols exposes grid-connected IBRs to various threats originated from cyber-layer, endangering overall system stability. To make IBRs resilient to cyber-threats, knowledge about possible attacks and relevant consequences is required. On this basis, this paper emphasizes on vulnerability of grid-connected IBRs to a new family of resonance cyber-attacks. In this attack, the adversary induces harmonic instability by launching a resonance false data injection attack (FDIA) on the IBR's communication layer. To this aim, the attacker can take advantage of impedance-based models or frequency scanning approaches to determine the resonance frequency of the IBR with the grid. Through injecting sinusoidal noise within the resonance frequency range into the signals communicating between sensors or grid-supporting functions and IBRs, the adversary excites the resonance modes of the IBR with the grid, leading to instability of the inverter. The simulation results on a LCL-type grid-connected inverter demonstrated that this resonance FDIA can cause extensive current and voltage harmonic distortion at the inverter's point of common coupling (PCC), which can triggers protection devices and lead to inverter trip.
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 ».