Optimal multi-type sensor placement using hybrid graph theory and numerical observability analysis for system observability and cybersecurity enhancement
Notice bibliographique
Résumé
Phasor Measurement Units (PMUs) and Micro PMUs ( μ PMUs) are among the most promising measuring systems used for smart grid (SG) monitoring. In this paper, a novel method is proposed to find the optimal multi-type sensor placement that achieves full system observability while optimizing measurement redundancy to mitigate the effect of cyberattacks, if any, and maximize the State Estimation (SE) accuracy. The proposed method utilizes the advantages of both graph theory and numerical observability analysis. A Graph Theory-based Engine (GTE) is developed to ensure power system observability under steady-state and contingency conditions. The decision variables of GTE are designed to provide the measurement types and their location simultaneously. This allows for the development of a Numerical Observability-based Engine (NOE), which evaluates the performance of each candidate solution via Monte Carlo Simulation (MCS) in order to maximize the SE accuracy and support the system protection against False Data Injection Attacks (FDIAs). The proposed combined GTE-NOE method is tested using the modified IEEE-33, IEEE-69, and IEEE-39 New England systems. The results show that the combined GTE-NOE method achieves optimal multi-type sensor placement under steady-state and contingency conditions, maximizes SE accuracy, and provides measurement redundancy to mitigate the effect of FDIAs in both distribution and transmission levels.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».