Segurança Cibernética em Smart Grids: Uma support Vector machine

Helton  do Nascimento Alves; Ben-Hur  Matthews Moreno Montel

doi:10.48011/asba.v2i1.1629

Helton do Nascimento Alves Instituto Federal do Maranhão
Ben-Hur Matthews Moreno Montel Instituto Federal do Maranhão

DOI: https://doi.org/10.48011/asba.v2i1.1629

Keywords: Smart Grid, Injeção de dados falsos, Estado de energia do sistema, Rede neural artificial, Support vector machine, Erro grosseiro

Abstract

O sistema de Smart Grid é uma importante ferramenta para gerenciar de forma sustentável, econômica e confiável do sistema elétrico. Ele utiliza dados de topologia de rede, parâmetros da linha de transmissão e variáveis de estado obtida pelo Estimador de Estado (EE) para controlar as operações da rede. Recentemente foi introduzido uma nova classe de erros em que o EE não está preparado para detectar e corrigir, foi definido como: Injeção Furtiva de Dados Falsos (IFDF). Esse tipo de erro ocorre nas medições em tempo real, topologia da rede e parâmetros de linha. Devido a diversidade de locais de injeção, para que a melhor medida seja tomada, é muito importante determinar o ponto de injeção. Nesse artigo é proposto um support vector machine para a detecção do ponto de injeção de dados falsos. A
análise de componentes principais é aplicada para reter toda a variação de sinal e maximizar a diferença entre o ponto de operação normal e anormal. A simulação de Monte Carlo é utilizada para gerar amostras de planos de medições para os sistemas de 14 e 57 barras da IEEE. Os resultados comprovam que o índice de inovação como parâmetro em potencial para ajudar na identificação de local em que ocorreu o Erro Grosseiro (EG).