Exploring the Effects of Load Altering Attacks on Load Frequency Control through Python and RTDS
本研究通过Python和RTDS模拟静态与动态场景,分析了负载篡改攻击对负载频率控制的影响,提出基于特征值的稳定性评估方法,揭示了影响电网韧性的关键参数。
2025-06-26 cs.CR cs.SY eess.SY
Cyber-Physical Co-Simulation of Load Frequency Control under Load-Altering Attacks
针对负荷改变攻击尤其是动态负荷改变攻击对电网稳定性的威胁,本文提出一种开源的电网与通信网络信息物理联合仿真环境,可实现电网保护机制建模并支撑具体场景下的攻击全面分析。
2025-08-01 cs.CR cs.SY eess.SY
Dynamic Load Altering EV Attacks Against Power Grid Frequency Control
在应对气候变化的必要性的推动下,电动汽车(EV)正在部署,以利用其减少交通部门产生的排放的能力。这种部署使电网容易受到通过电动汽车基础设施的攻击。本文从攻击者的角度出发,提出了一种通过操纵电动汽车充电来破坏电网稳定的动态负载改变策略。该攻击是基于反馈控制理论制定的,即,设计基于线性矩阵不等式(LMI)的攻击。在建立了稳定性度量和控制器设计之后,我们展示了我们对昆都尔2区域网格的攻击方法。攻击场景包括由攻击者控制的200 MW EV负载的上限。然而,结果表明,即使有这种限制,攻击者也会成功地将电网推向不稳定和停电。
2022-07-20 cs.SY eess.SY
An Electric Vehicle Control Strategy to Mitigate Load Altering Attacks Against Power Grids
本文提出一种基于电动汽车的防御机制,利用H-infinity控制器和线性矩阵不等式减轻针对电网的负荷篡改攻击,在New England 39-bus电网上有效消除了800 MW攻击影响并维持电网稳定性。
2023-10-23 cs.SY eess.SY
Protecting the Future Grid: An Electric Vehicle Robust Mitigation Scheme Against Load Altering Attacks on Power Grids
本文提出一种基于鲁棒控制理论和线性矩阵不等式的电动汽车反馈控制器防御方案,利用H-2和H-infinity技术消除未知负荷篡改攻击影响,在新英格兰39节点电网上有效抵御800 MW攻击并保持电网稳定。
2023-08-15 cs.SY eess.SY
Analysis of Cascading Failures Due to Dynamic Load-Altering Attacks
针对负载改变攻击(LAAs)可引发电网级联故障但关键攻击场景难采样的问题,采用skipping sampler算法高效采样,基于IEEE-39节点系统仿真揭示了协同LAAs对现代电网的特殊风险。
2023-06-10 cs.CR cs.SY eess.SY
Distribution System Reconfiguration to Mitigate Load Altering Attacks via Stackelberg Games
University of Warwick(华威大学);ENSEA(国立电子与信息技术高级学院);CNRS(法国国家科学研究中心);LIGM(图像与信号实验室);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
针对物联网可控设备带来的负荷改变攻击风险,本文通过闭式表达式量化攻击影响,提出基于配电网重构的被动防御机制,采用考虑攻击不确定性的非合作序贯博弈,用贝叶斯优化求解Stackelberg均衡,实现低重构成本下的高效鲁棒防御。
2025-10-29 cs.SY eess.SY
Cyber Recovery from Dynamic Load Altering Attacks: Linking Electricity, Transportation, and Cyber Networks
本文首次研究动态负荷改变攻击下的网络恢复(CRDA),通过优化维修人员路线移除恶意软件并自适应调整系统运行,构建MILP问题以重置下垂增益并修复受损负荷,保障系统稳定性。
2023-09-06 cs.SY eess.SY
Load-Altering Attacks Against Power Grids under COVID-19 Low-Inertia Conditions
COVID-19大流行影响了我们的社会,迫使人们关闭并改变了全球人们的互动方式。就对电网的影响而言,全球能源需求大幅下降。最近的研究表明,COVID-19封锁导致的低需求状况加上大量可再生能源发电导致了极低的惯性电网状况。在这项工作中,我们研究了攻击者如何利用这些场景,通过执行负载改变攻击(LAA)来导致不安全的电网运行条件,目标是在低惯性电力系统中损害数十万物联网连接的高瓦数负载。我们的研究重点是分析COVID-19缓解措施对美国区域输电运营商(RTO)的影响,针对低惯性条件下的输电系统制定合理且现实的最小努力LAA,并评估这些大规模LAA的概率。给出了基于WSCC 9节点和IEEE 118节点测试系统的理论和仿真结果。结果表明,对手可以通过针对低惯性系统中的脆弱负载总线来引发主要频率干扰,并提供有关可再生能源的时间波动如何影响电网对LAA的脆弱性的见解。
2022-02-28 cs.CR cs.SY eess.SY
Uncovering Load-Altering Attacks Against N-1 Secure Power Grids: A Rare-Event Sampling Approach
本文提出用稀有事件采样揭示可突破 N-1 安全电网的负荷改变攻击,并基于 IEEE 基准比较静态与动态攻击的时空特征及连锁故障影响。
2023-07-17 cs.CR cs.SY eess.SY
Analysis of IoT-Based Load Altering Attacks Against Power Grids Using the Theory of Second-Order Dynamical Systems
最近的研究表明,基于物联网(IoT)的大规模负载改变攻击可能会对电网运营产生严重影响,例如导致不安全的频率偏移和电网控制回路不稳定。在这项工作中,我们提出了一个分析框架,以调查基于物联网的静态/动态负载改变攻击(S/DLAAs)对电网动态响应的影响。关于这个主题的现有工作主要依赖于数值模拟,到目前为止,还没有分析框架来识别攻击者可以发起最具影响力攻击的受害者节点。为了解决这些缺点,我们使用二阶动力系统的结果来分析S/DLAAs下的电网频率控制回路。我们使用系统的本征解的参数灵敏度,以确定受害者节点,对应于最少的努力不稳定DLAAs。此外,为了分析SLAAs,我们提出了攻击者输入的系统频率响应的封闭形式表达式,帮助我们描述导致不安全频率偏移所需的最小负载变化。使用这些结果,我们制定了防御S/DLAAs作为一个线性规划问题,我们确定的最小量的负载,需要在受害者节点,以确保系统的安全/稳定。使用基准IEEE总线系统进行了大量的模拟验证我们的方法的准确性和有效性。
2021-03-28 cs.CR cs.IT cs.SY
Localizing Load-Altering Attacks Against Power Grids Using Deep Capsule Nets
最近的研究表明,针对终端用户拥有的大量高瓦数智能电器的僵尸网络型网络攻击可能严重威胁电网的安全。准确检测和定位此类攻击对于限制损害至关重要。为此,本文提出了一种新的技术,使用胶囊网络(CN)量身定制的电网安全应用,使用相量测量单元(PMU)监测的频率和相角数据。利用胶囊的矢量输出和胶囊之间的动态路由协议,CN可以获得准确的检测和定位性能。为了证明所提出的技术的效率,我们比较了开发的CN与基准数据驱动的方法,包括二维卷积神经网络(2D-CNN),一维CNN(1D-CNN),深层多层感知器(MLP),和支持向量机(SVM)。在IEEE 14-,39-和57-总线系统上进行仿真,考虑各种现实世界的问题,如PMU延迟,噪声数据和丢失的数据点。结果表明,CN的性能明显优于其他技术,因此使其适用于上述网络安全应用。
2022-09-06 cs.CR cs.SY eess.SY
Data-Driven Detection and Identification of IoT-Enabled Load-Altering Attacks in Power Grids
边缘计算的进步正在推动物联网(IoT)系统的开发和部署,以提供先进的服务和资源效率。然而,大规模基于物联网的负载改变攻击(LAA)可能会严重影响电网运营,例如破坏电网控制回路的稳定。及时检测和识别任何受损节点对于最大限度地减少这些攻击对电网运营的不利影响至关重要。在这项工作中,提出了两个数据驱动的算法来检测和识别受损的节点和攻击参数的LAA。第一种方法,基于稀疏识别非线性动力学(SINDy)的方法,采用稀疏回归框架,以确定攻击参数,最好地描述所观察到的动态。第二种方法,基于物理信息神经网络(PINN),采用神经网络从测量中推断攻击参数。这两种算法都利用边缘计算在分散式架构上进行部署。对IEEE 6节点、14节点和39节点系统进行了大量仿真,验证了所提方法的有效性。数值实验结果表明,该算法优于基于无迹卡尔曼滤波器、支持向量机(SVM)和神经网络(NN)的算法,能够及时有效地检测和识别攻击位置。
2022-03-22 cs.CR cs.IT cs.SY
LSTM-based approach to detect cyber attacks on market-based congestion management methods
基于市场的阻塞管理方法采用需求侧管理(DSM)技术来缓解日前市场的阻塞。这些方法对通信层的依赖使其容易受到网络攻击,影响配电网的安全性,可靠性和经济运行。在本文中,我们专注于负载改变攻击,这将损害基于市场的拥塞管理方法的操作。提出了一种使用长短期记忆(LSTM)递归神经网络(RNN)的检测技术。以IEEE 33节点系统为例,验证了所提方法的有效性。获得了97%的准确率,证明了使用LSTM-RNN检测网络中的聚合器的负载改变网络攻击的能力。
2021-09-27 cs.SY eess.SY
Probabilistic Assessment of Rare Transient Instability Events via Kriging-based Active Learning Framework
McGill University(麦吉尔大学);University of Alberta(阿尔伯塔大学)
本文提出基于Kriging的主动学习框架,用于准确表征输入不确定性空间中的罕见不稳定性区域,并估计相关的小概率不稳定性,同时仅需少量昂贵的时间域模拟。
2026-05-07 cs.SY eess.SY
Privacy Protection via Joint Real and Reactive Load Shaping in Smart Grids
在智能电网中,频繁的用电计量是需求侧管理的关键。然而,计量数据可以相当容易地处理,通过采用成熟的非侵入式设备负载监测技术来推断设备使用情况,从而揭示消费者的私人生活信息。现有的隐私负载整形技术主要集中在改变计量的有功功率,而智能电表收集无功功率消耗数据以及用于各种目的。本研究通过在需求响应方案中进行负荷整形来解决消费者隐私保护问题,同时考虑有功功率和无功功率。我们建立了一个多目标优化框架,使我们能够描述隐私最大化,用户成本最小化,用户不适最小化目标之间的相互作用。我们的研究结果表明,最大限度地减少信息泄漏,由于一个单一的组成部分,实际功率将遭受由于其它组件而导致的忽略信息泄漏,例如,无功功率,导致次优决策。实际上,有功和无功功率分量的联合整形导致最佳的隐私保护性能,这导致在互信息方面隐私增加两倍以上。
2021-04-07 cs.SY eess.SY math.OC
The Role of Flexible Connection in Accelerating Load Interconnection in Distribution Networks
Purdue University(普渡大学)
本文研究配电网中flexible connection加速负荷互联的作用,提出限制年度干预次数的灵活性感知承载能力分析方法,发现适度灵活性即可显著提升负荷承载能力。
2025-10-13 cs.SY eess.SY
Resilient Load Forecasting under Climate Change: Adaptive Conditional Neural Processes for Few-Shot Extreme Load Forecasting
本文提出AdaCNP模型,通过自适应条件神经过程实现少样本极端负荷预测,提升电力系统在极端天气下的预测鲁棒性。
2026-02-04 cs.LG cs.SY eess.SY
Tunable Experimental Testbed for Evaluating Load Coordination Methods
为解决住宅负荷用于电网平衡的实验不足问题,研究构建了可调谐实验测试平台以在极端条件下测试负荷协调方案,支持控制算法快速验证并可与仿真链接扩大规模。
2023-05-21 cs.SY eess.SY
A Hardware-in-the-Loop Experimental Testbed using Air Conditioners for Grid Balancing
本文构建了一个使用空调的硬件在环实验测试平台,并与仿真平台联动以扩大负荷群规模,验证了小负荷集合体参与电网平衡的可行性。
2024-11-07 cs.SY eess.SY
Defending the power grid by segmenting the EV charging cyber infrastructure
Technical University of Darmstadt(达姆施塔特工业大学);University College Dublin(都柏林大学学院)
本文研究通过电动汽车充电防御电网负载改变攻击,提出分割充电站运营商通信控制网络以限制攻击影响。通过德国充电站数据和电网模型,证明未分割情况下攻击两个充电站会导致电网过载。提出新的防御设计问题,最小化分割数量并限制最坏情况下的电网过载。
2026-03-18 cs.SY eess.SY
Unsupervised Disaggregation of Water Heater Load from Smart Meter Data Processing
在住宅领域,电热水器是具有相对高的功率消耗和显著的热惯性的电器,其特别适合于需求响应方案。通过控制热水器的有效DR方案的成功预先假定了在每个时刻对它们的功率需求的准确估计。虽然热水器的负载很少直接测量,但智能电表(SM)在配电网中的大量渗透使得能够通过负载分解在大规模上间接推断此信息。为此,在文献中提出了相当数量的非侵入式负载监控(NILM)方法。然而,它们要求数据流的时间分辨率在一秒或更高的范围内,这对于标准SM是不现实的。因此,本文提出了一种无监督的方法来检测和分解的热水器的负载曲线从标准SM数据的时间分辨率在分钟范围内。在多个实际负载与分计量评估,所提出的方法实现了归一化平均绝对误差(NMAE)低于2%,精度一般高于92%,时间分辨率在5和15分钟之间。
2021-04-07 cs.SY eess.SP eess.SY
Right-to-Override for Critical Urban Control Systems: A Deliberative Audit Method for Buildings, Power, and Transport
Université de Montréal(蒙特利尔大学);Mila–Quebec AI Institute(魁北克人工智能研究所)
本文提出否决权(R2O)和审议性审计方法(DAM),赋予居民在自动化系统损害包容性时暂停或重定向的权限,并在电网、建筑和交通仿真中验证其能以有限效率损失显著减少分配性损害。
2025-09-16 cs.CY cs.HC cs.SY