عنوان مقاله :
ارزيابي ريسك سايبري سيستم اندازه گيري ناحيه گسترده در شبكه هاي هوشمند الكتريكي با استفاده از معيارهاي ميانگي الكتريكي
عنوان به زبان ديگر :
Cyber-Risk Assessment of Wide Area Measurement Systems in Smart Grids Using Electrical Centrality Metrics
پديد آورندگان :
نصرالهي، مهراب دانشگاه گلستان - دانشكده مهندسي - گروه برق , شهرآئيني، محمد دانشگاه گلستان - دانشكده مهندسي - گروه برق
كليدواژه :
ميانگي بينابيني , سيستم اندازه گيري ناحيه گسترده , تخمين حالت , ريسك سايبري , ميانگي بردار ويژه
چكيده فارسي :
سيستم اندازه گيري ناحيه گسترده (WAMS) يكي از مهم ترين برنامه هاي كاربردي در شبكه هوشمند الكتريكي است كه امكان پايش، حفاظت و كنترل اين شبكه ها را به صورت بي درنگ و در گستره وسيع جغرافيايي فراهم مي كند. هسته اصلي سيستم اندازه گيري ناحيه گسترده، تخمين حالت است كه حالت معتبر كل سيستم را از داده هاي اندازه گيري شده و نادقيق استخراج مي كند. به عبارت ديگر، اين سيستم، جريان داده اي را در سيستم شكل مي دهد تا جريان انرژي الكتريكي مطمين و كارا ايجاد شود. واضح است جريان داده بيشتر در يك سيستم، ريسك سايبري را در آن سيستم بالا خواهد برد. هدف از اين پژوهش، اندازه گيري ريسك سايبري المان هاي سيستم اندازه گيري ناحيه گسترده است. روش ارزيابي ريسك پيشنهادشده بر پايه دو معيارهاي ميانگي گراف (يعني معيار بردار ويژه و بينابيني) ارايه شده است. نتايج شبيه سازي نشان مي دهند روش پيشنهادشده، قابليت ارزيابي دو دسته مختلف از اجزاي WAMS (يعني گره هاي حالت ها و گره هاي واسطه) را داراست و با اين روش ارزيابي، انعطاف پذيري WAMS در برابر حوادث سايبري بهبود مي يابد.
چكيده لاتين :
Wide Area Measurement System (WAMS) may be considered as the most important application in smart transmission grids. State Estimation has been considered as the kernel of WAMS since such a package extracts creditable states from the raw and noisey data. Indeed, WAMS creates data flow in order to achieve reliable and efficient energy flow. More data flow benefits the system operation but at the same time increases the cyber risk of the system. This study aims to assess the cyber risk of elements of WAMS. To do this, cyber dependency is modeled as the dependency graph and then such a graph is examined by two centrality metrics (i.e. eigenvector and betweenness centralities). Two classes of nodes (i.e. State and Intermediate nodes) are detected in WAMS and simulation results show that the aforementioned centrality metrics are able to assess such classes of nodes and the proposed method has the ability of designing resilient WAMS.
عنوان نشريه :
هوش محاسباتي در مهندسي برق