Cyber Threat Analysis Framework for the Wind Energy Based Power System
Cyber Threat Analysis Framework for the Wind Energy Based Power System
复制标题
基于风能的电力系统的网络威胁分析框架
DOI：
10.1145/3140241.3140247
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Rahman, Mohammad Ashiqur
中科院分区：
文献类型：
--
作者：
Datta, Amarjit;Rahman, Mohammad Ashiqur
风能是可再生能源的主要来源之一。世界各国越来越多地部署大型风力发电场，这些风力发电场可以产生大量的清洁能源。风力发电场由许多涡轮机组成，通常分布在很大的地理区域。现代风力涡轮机配备有气象传感器。风电场控制中心监控涡轮机传感器并调整发电参数以实现最佳发电。涡轮机传感器很容易受到网络攻击，随着大型风电场的发展及其在发电中的份额，分析此类潜在的网络威胁至关重要。在本文中，我们提出了一个正式的框架，以验证错误的数据注入攻击对风电场气象传感器测量的影响。该框架将此验证设计为最大化问题，其中对手的目标是以其有限的攻击能力最大化风电场的电力生产损失。此外，对手希望在其对涡轮机传感器发起其网络攻击的同时保持对风电场不良数据检测机制的隐身。我们通过对合成测试用例执行实验来评估所提出的框架的威胁分析能力及其可扩展性。
Wind energy is one of the major sources of renewable energy. Countries around the world are increasingly deploying large wind farms that can generate a significant amount of clean energy. A wind farm consists of many turbines, often spread across a large geographical area. Modern wind turbines are equipped with meteorological sensors. The wind farm control center monitors the turbine sensors and adjusts the power generation parameters for optimal power production. The turbine sensors are prone to cyberattacks and with the evolving of large wind farms and their share in the power generation, it is crucial to analyze such potential cyber threats. In this paper, we present a formal framework to verify the impact of false data injection attack on the wind farm meteorological sensor measurements. The framework designs this verification as a maximization problem where the adversary's goal is to maximize the wind farm power production loss with its limited attack capability. Moreover, the adversary wants to remain stealthy to the wind farm bad data detection mechanism while it is launching its cyberattack on the turbine sensors. We evaluate the proposed framework for its threat analysis capability as well as its scalability by executing experiments on synthetic test cases.
登录
查看更多内容
使用光电传感器对风力涡轮机转子叶片进行可靠且防雷的监控
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
K. Worms;C. Klamouris;F. Wegh;L. Meder;Daniel Volkmer;S. Philipps;S. K. Reichmuth;H. Helmers;A. Bett;J. Vourvoulakis;C. Koos;W. Freude;J. Leuthold;W. Stork
通讯作者：
W. Stork
DOI：
--
发表时间：
2014
期刊：
International Conference on Mathematics and Computing
影响因子：
--
作者：
W. Lihua;Yue Dawei
通讯作者：
Yue Dawei
截至 2014 年 3 月美国陆上工业风力涡轮机地点
影响因子：
9.8
作者：
J. Diffendorfer;L. Kramer;Zachary H. Ancona;C. P. Garrity
通讯作者：
C. P. Garrity
影响因子：
4.3
作者：
Agarwal, Deepshikha;Kishor, Nand
通讯作者：
Kishor, Nand
电力系统稳定性研究中并网风电场的建模问题
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
T. Kawady;A. Nahhas
通讯作者：
A. Nahhas