Abstract
THE PURPOSE. Smart electrical grids involve extensive use of information infrastructure. Such an aggregate cyber-physical system can be subject to cyber attacks. One of the ways to counter cyberattacks is state estimation. State Estimation is used to identify the present power system operating state and eliminating metering errors and corrupted data. In particular, when a real measurement is replaced by a false one by a malefactor or a failure in the functioning of communication channels occurs, it is possible to detect false data and restore them. However, there is a class of cyberattacks, so-called False Data Injection Attack, aimed at distorting the results of the state estimation. The aim of the research was to develop a state estimation algorithm, which is able to work in the presence of cyber-attack with high accuracy.METHODS. The authors propose a Multi-Model Forecasting-Aided State Estimation method based on multi-model discrete tracking parameter estimation by the Kalman filter. The multimodal state estimator consisted of three single state estimators, which produced single estimates using different forecasting models. In this paper only linear forecasting models were considered, such as autoregression model, vector autoregression model and Holt’s exponen tial smoothing. When we obtained the multi-model estimate as the weighted sum of the single-model estimates. Cyberattack detection was implemented through innovative and residual analysis. The analysis of the proposed algorithm performance was carried out by simulation modeling using the example of a IEEE 30-bus system in Matlab.RESULTS. The paper describes an false data injection cyber attack and its specific impact on power system state estimation. A Multi - Model Forecasting-Aided State Estimation algorithm has been developed, which allows detecting cyber attacks and recovering corrupted data. Simulation of the algorithm has been carried out and its efficiency has been proved.CONCLUSION. The results showed the cyber attack detection rate of 100%. The Multi-Model Forecasting-Aided State Estimation is an protective measure against the impact of cyber attacks on power system.
Highlights
Введение Интеллектуальные электрические сети предполагают широкое использование информационной инфраструктуры
The results showed the cyber attack detection rate of 100%
Наук, профессор кафедры «Электроэнергетика, электроснабжение и силовая электроника», Нижегородский государственный технический университет им
Summary
Основная идея такой атаки заключается в том, чтобы ввести ложные данные в массив измерений таким образом, чтобы невозможно было их определить с помощью традиционной процедуры обнаружения плохих данных (ОПД), и в следствии этого сделать результаты оценки состояния некорректными. Существует возможность определить такой вектор ложных измерений, что это предположение будет неверным, и ложные измерения не будут обнаружены и использованы в оценке состояния. Взаимосвязь между состоянием и измерениями описывается матрицей H размерностью mxn в случае линейной оценки состояния x = Hy. Предположим, что ya – вектор измерений, содержащий плохие данные, введенные злоумышленником: ya = y + a ,. При выполнении условий (6)-(10) невязка между измеренными значениями параметров и оценкой состояния в случае будет равной невязке, если бы измерения не были изменены измерениями: ra = za − Hxa = z + a − H(x + c) = (z − Hx) + (a − Hc) = r. Следовательно, процедура ОПД на основе значения невязки не позволяет определить наличие атаки FDI и атакованные измерения используются для ОС, внося ошибки в ее результаты
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
