【摘 要】
:
信息物理系统(Cyber-physical System,CPS)是控制网络和通讯网络监控物理系统的同时,三者紧密联系,协调控制的整合系统,现代电网已逐步发展成电力系统与CPS的完美融合。然而,信息网络在大幅优化电力信息物理系统(Cyber-physical Power System,CPPS)与协调控制的同时,也产生了诸多潜在风险,如发生在信息网络中的攻击会随着信息网络与电力系统的融合交互威胁到
【基金项目】
:
国家自然科学基金面上项目,61873057,2019/01-2022/12,基于信息物理系统的微电网安全控制:连锁故障与虚假数据攻击;
论文部分内容阅读
信息物理系统(Cyber-physical System,CPS)是控制网络和通讯网络监控物理系统的同时,三者紧密联系,协调控制的整合系统,现代电网已逐步发展成电力系统与CPS的完美融合。然而,信息网络在大幅优化电力信息物理系统(Cyber-physical Power System,CPPS)与协调控制的同时,也产生了诸多潜在风险,如发生在信息网络中的攻击会随着信息网络与电力系统的融合交互威胁到整个CPPS的安全稳定运行。因此,及时检测出CPPS的攻击对于保证CPPS的稳态运行意义重大。鉴于此,以CPPS为研究对象,进行了攻击检测和半实物仿真验证的研究,主要研究工作如下:首先,研究了现代CPS融合建模的方法,从单个信息模块与物理模块的建立到多个信息物理模块之间的互相整合,使得信息量与物理量相互映射,实现了物理系统与信息系统的彼此融和;同时依据此建模方法搭建了三机九节点的CPPS模型,为证明所建立模型的运行结果符合实际运行要求,对模型进行了进一步仿真验证与分析,为实现基于三机九节点CPPS模型进行攻击检测的半实物仿真验证提够了有效的模型支撑。其次,针对CPPS中遭受的执行器攻击与传感器攻击,提出了一种基于观测器的攻击信号重构与检测的方法;通过推导CPPS的数学模型,设计了鲁棒观测器和滑模观测器,并分别基于这两种观测器实现了对CPPS中执行器攻击与传感器攻击的攻击信号重构,再由攻击检测逻辑完成对CPPS中执行器攻击与传感器攻击的最终判定;经过进一步的仿真验证与分析,基于鲁棒观测器与滑模观测器能够准确快速的重构出CPPS中遭受的执行器攻击信号与传感器攻击信号,有效的完成了对执行器攻击与传感器攻击的检测。最后,利用半实物仿真贴近实际工况的优势,采用第二章所搭建的三机九节点CPPS模型代替实际系统,在Star Sim半实物仿真平台上完成外部硬件信息通讯的连接与内部软件程序的编译,验证基于鲁棒观测器对CPPS中受到执行器攻击与传感器攻击进行攻击重构与检测的理论,以及基于滑模观测器对CPPS攻击重构与检测的理论,并对半实物仿真验证的结果做了详细的分析。
其他文献
作为国民经济的基础型支柱产业,电力产业正处于不断发展与改进的阶段,当前我国输配电价改革也进入到了一个非常重要的时期。国家发展改革委员会于2020年印发的《省级电网输配电价定价办法》中,具体指出应根据电压等级及“准许成本加合理收益”的原则核算输配电价,这进一步推进了我国电力体制改革的发展。文章正是在此基础上,对M省电力公司多电压等级输配电成本分摊及定价方法进行研究。文章以M省电力公司为例,以其201
传感器是机器类人化和智能化的关键组成部分,是工程检测和机器人运动控制的基础,也是社会发展和科技进步的重要组件。当前,单维力传感器技术已经发展得较为成熟,在市面上也很常见。然而在国防工业、医疗卫生和精密加工等特殊应用场合,传统的单维力传感器由于检测信息单一、布线要求较高、适应能力有限,易受环境等因素限制,因此无法满足日益增长的技术发展需求。为此,本文基于磁致伸缩逆效应提出一种万向节型机械自解耦无线无
卷积神经网络是一类由卷积计算构成的深层神经网络,具有优秀的图像特征提取能力。由于网络的性能差异主要体现在网络的参数训练与结构设计上,因此优化网络参数与网络结构可以有效地改进卷积神经网络。本文主要研究卷积神经网络的参数优化与结构优化两个方面:在参数优化方面,本文提出基于图像特征的网络参数优化方法。此方法使用多组图像特征初始化卷积核,通过调整卷积核初始值优化卷积核参数并加速网络收敛。在结构优化方面,本
GBDT算法是一种基于决策树的集成算法,多年来GBDT以其独有的特点和优势成为机器学习中应用广泛的算法之一。该算法能适应多种损失函数,既可用于分类也能用于回归预测,而且能够进行混合数据类型的自然处理。随着大数据、人工智能的快速发展,收敛速度、计算精度以及能否处理大规模数据已经成为衡量算法实用性的重要标准。基于此,对原有算法的进一步优化具有很大的实际意义。本文在基于GBDT数据分类方法的基础上,提出
循环神经网络作为研究大规模时间序列的分析及预测的有效方法,至今循环神经网络算法已有多个改进和变种,并在时间序列数据上已有多个方面的应用。但循环神经网络算法还有需要进一步研究的问题,主要是现有循环神经网络算法及其改进在收敛速度较慢和预测精度较差的问题上并没有很好地解决方法。因此,本文研究的主要内容是循环神经网络模型在初始权重选取问题上的改进,通过引入随机扰动项对循环神经网络模型进行修正。首先针对循环
呼吸、脉搏、语音等运动均会在人体表层产生或大或小的压力信号,蕴含大量信息,拥有潜在应用价值。因此,制备一种可有效将其获取的可穿戴设备,采集并通过合理分析发掘其应用价值以及应用手段是十分必要的。本文构建并制备了一种PVDF(聚偏二氟乙烯)柔性压电传感器,采集人体手部压力信号(脉搏、手指以及手腕压力信号)、呼吸吹气压力信号以及语音振动信号(发声时人体颈部皮肤振动信号),结合数据转换以及机器学习等数据处
时滞现象广泛存在于自然界的各类系统中,如航空航天系统、化工过程系统、网络化控制系统等,时滞的存在可能会导致系统性能指标变差甚至不稳定,因此时滞系统的相关控制问题研究得到了广泛的关注。然而在许多实际系统中,出于对测量的经济性、困难性和实际性的考量下,很难得到系统的全部状态信息,因此需要设计观测器进行状态重构。本文提出了一种函数观测器的参数化设计方法,并根据广义Sylvester方程的解,建立了函数观
随着电力系统智能化水平不断提高,智能电网已经呈现出信息物理高度融合的特征。信息流和物理流的深度融合提升了信息侧对物理电网的稳定控制。然而,信息空间存在的漏洞为网络攻击提供了可乘之机,信息侧网络攻击入侵后物理侧电力设备运行失去稳定控制,发生故障甚至损坏,严重时引发大范围停电事故。为了提升电力信息物理融合系统(Cyber-Physical-System,CPS)防范网络攻击的能力,本文提出一种基于集成
随着计算机科学的快速发展,人机交互领域逐渐呈现出多元化,不再单纯局限于传统的键盘,鼠标等输入设备。手势识别之所以作为自然交互的热点课题,是因为其直观、灵活、表达丰富等特点更加符合人们在日常生活中的习惯。使用基于视觉的手势识别方法已成为该领域的主流方法,通过对手势图像的采集和处理,最终输出理想的结果。使用Kinect二代传感器作为采集设备,不仅可以采集彩色信息,还可以获取深度信息及骨骼信息,文中分别
在现代电力系统中,网络部分与物理部分的连接越来越紧密,耦合越来越深入,而电力信息物理系统(Cyber-Physical Power Systems,简称CPPS)可以准确地描述现代电网的动态过程。电力通信网作为电力工业控制系统的专用网络,具有安全分区、网络专用性、水平隔离和垂直认证等特点。然而,在CPPS中,网络部分和物理部分是深度耦合并相互作用的,容易受到内部故障和外部攻击的影响。攻击者很容易利