Application of State Observers and Filters in Protection and Cyber‐Security of Power Grids
Notice bibliographique
Résumé
With the recent surge of interest in advanced monitoring, control, and protection applications, power systems are becoming heavily reliant on measurement data to make operational decisions. As a result, ensuring the accuracy and authenticity of data used for those applications is of paramount importance. Thus, this chapter analyzes the use of state observers and filters for enhancing the accuracy of protection and control applications, as well as for identifying faults and anomalies, e.g., cyber-attacks, in power grids. In order to achieve this goal, first, the basics of state estimation and the design procedure for some important observers and filters are discussed to unveil the capabilities of state estimation in power grids. Then, the role of observers and filters in improving the accuracy and authenticity of data is explained. Finally, through three case studies, the capabilities of observers and filters are demonstrated and their performance is evaluated. In case study 1, it is shown how linear unknown input observers can be used to detect and identify cyber threats and faults against the automatic generation control system. In case study 2, an unknown input Kalman filter is developed to enhance the performance of current transformers for traveling-wave (TW)-based protection applications. In the third case study, an observer is designed for power transformers, which are linear parameter-varying systems, to detect inrush currents and over excitation and differentiate these events from internal faults. These case studies clearly demonstrate that how observers and filters can enhance the cyber-security and reliability of power grids.
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 ».