تحديد هجمات النفوذ في شبكات الطاقة الكهربائية الحديثة

توضح هذه الدراسة مفهوماً لاكتشاف البيانات السيئة في تقدير الحالة عندما يتم العبث بقياسات الرافعة المالية بالخطأ الجسيم، بحيث يعتمد المفهوم على فصل قياسات الرافعة المالية عن قياسات عدم الرافعة المالية من خلال تقنية تسمى الإمكانات التشخيصية القوية المعممة، والتي تهتم أيضاً بتأثير الإخفاء.

أهمية تحديد هجمات النفوذ في شبكات الطاقة الكهربائية الحديثة

تشهد شبكات الطاقة الكهربائية في جميع أنحاء العالم تطوراً كبيراً، بحيث تتمثل الدوافع الرئيسية في تحول تكنولوجيا التوليد نحو مصادر الطاقة المتجددة (الطاقة الشمسية وطاقة الرياح بشكل أساسي) والأشكال الجديدة للطلب مثل النقل الكهربائي وتدفئة المناطق وما إلى ذلك، كذلك استراتيجية إدارة الطاقة، حيث أن هناك اعتماد متزايد للأجهزة الذكية مثل وحدات قياس الأطوار (PMUs) والقياس الذكي وما إلى ذلك في شبكات النقل والعدادات الذكية في شبكات التوزيع مع البنية التحتية لتكنولوجيا المعلومات والاتصالات (ICT).

ونتيجة لذلك، تتعرض سلامة البيانات والمعلومات للخطر ويكون نظام الطاقة الكهربائية أكثر عرضة للهجمات الضارة من الخصوم، كما أنه من الواضح أن البيانات التي تم العبث بها ستؤثر على نتيجة التحكم في نظام الشبكة الكهربائية ووظائف الحوسبة مثل تقدير الحالة وتحليل الأمان والتحكم في الفولت فار (VVC).

ولتمكين التحكم الفعال في شبكة الطاقة؛ فإنه يجب مراقبة حالات النظام بشكل صحيح، بحيث ستلعب أنظمة إدارة الطاقة والتوزيع (EMS / DMS) دوراً حاسماً في التحكم في أنظمة الطاقة الذكية وتشغيلها، كما أن هناك كتلتان وظيفيتان أساسيتان لكل (EMS / DMS)، وهما مقدر الحالة وكتلة جدولة التحكم، بحيث يوفر تقدير الحالة تقديراً في الوقت الفعلي لحالات النظام، وذلك بناءً على القياسات التي تم الحصول عليها من العدادات وأجهزة الاستشعار في الوحدات الطرفية البعيدة (RTUs).

تطور الحالة الخاصة بالتعامل مع أخطاء البيانات الكهربائية

على مر السنين، تم تطوير تقدير الحالة للتعامل مع الخطأ الجسيم في البيانات بسبب عدم دقة القياسات، بحيث سيؤدي أي تلاعب بالبيانات ومفتاح التشغيل الضار أيضاً إلى حدوث أخطاء جسيمة في البيانات، لذلك ومن حيث المبد؛ فإنه يمكن اكتشاف تأثير الهجوم الضار من خلال الكشف عن البيانات السيئة، وذلك اعتماداً على منهجية تقدير الحالة، بحيث يمكن أن يكون الكشف عن البيانات السيئة جزءاً من عملية تقدير الحالة أو حساب ما بعد التقدير كما هو موضح في الشكل التالي (1).

وطالما أن هذه الأخطاء جزء من الأنظمة التي تم قياسها بشكل مفرط (قياسات أكثر من عدد الحالات المطلوب إجراؤها مقدر) ولا تنتمي إلى نقاط القياس والرفع الحرجة (القياسات التي تؤثر بشكل كبير على حل تقدير الحالة)؛ فإنه يلزم القضاء عليها للحصول على تقدير واضح ودقيق ليس بالأمر الصعب، ومع ذلك إذا كانت هذه البيانات السيئة تنتمي إلى العدادات الموجودة في مجموعة الرافعة المالية؛ فيجب التعامل معها بعناية.

كما تساعد قياسات الرافعة المالية في تحسين متغيرات الحالة للنظام من خلال توفير التكرار الكافي، كذلك القياسات الحرجة هي تلك التي تؤثر إزالتها على ملاحظة النظام، وهذا بالنسبة الى حماية بعض أو كل القياسات الأساسية أو مجموعات (k) الحرجة في النظام، ومع ذلك؛ فإن قياسات الرافعة المالية ليست محمية، بحيث يمكن أن تحدث الروافع في كل من شبكات النقل والتوزيع الكهربائي.

الكشف عن الرافعة المالية ونقاط البيانات الكهربائية السيئة

عادةً ما يتم الإشارة إلى قيم الرافعة المالية على أنها مقاييس للملاحظات المؤثرة في الفضاء (X)، حيث أن الفضاء (X) يتعلق بمتغيرات الانحدار، بحيث تعطي مصفوفة القبعة في (5) مقياساً لكيفية تأثير قياس معين أم لا، كما تسمى الرافعات ذات التأثير الأعلى الرافعات العالية وتلك التي لها تأثير أقل تسمى الرافعات المنخفضة.

كذلك تم الإبلاغ عن قاعدة ضعف المتوسط ​​وقاعدة ثلاث مرات على العناصر القطرية لمصفوفة القبعة في الدراسات لتحديد نقاط التأثير، بحيث تمت الإشارة إلى مسافة كوك ومسافة ويلش وكوه لاكتشاف وتحديد نقطة الرافعة المالية الفردية، كما لا يمكن تطبيق مسافة (Mahalanobis) على أساس خوارزمية متابعة الإسقاط لأدنى حجم بيضاوي على الأنظمة المتفرقة.

ونظراً لأن نظام الطاقة الكهربائية هو نظام متناثر؛ فإنه يجب تعديل خوارزمية متابعة الإسقاط ليتم تطبيقها على نظام الطاقة المتناثر، ومع ذلك بسبب تأثير الإخفاء أو الغمر؛ يصبح من الصعب تحديد مجموعة نقاط النفوذ العالية.

تحليل الانحدار فيما يتعلق بتقدير الحالة الكهربائية

تقدير الحالة الكهربائية العامة

يعتبر تقدير حالة نظام توزيع الطاقة غير المتوازن (SE) هو عملية تقدر حالات الوقت الفعلي بناءً على القياسات، ومع ذلك؛ فإن نظام النقل هو حالة خاصة من النظام غير المتوازن حيث يكون النظام متوازناً وبالتالي يتم تقليل عدد متغيرات الحالة والمعادلات، وعادة ما يتم حل المشكلة عن طريق خوارزمية تقدير المربعات الصغرى الموزونة (WLS)، بحيث تمت صياغة خوارزمية (WLS) كتقليل لوظيفة الهدف التالية:

حيث أن: 

(x): متغيرات الحالة مثل مقادير الجهد الكهربائي والزوايا.

(m): عدد القياسات لكل مرحلة.

(R): مصفوفة التباين المشترك لخطأ القياس.

(zi): القيمة المقاسة للقياس.

[h(x)]: متجه القياس كدالة للحالة (x).

[c (x)]: ناقلات قياسات الحقن الصفري.

الاستفادة من النقاط والبيانات السيئة

تكون مشكلة تقدير الحالة خطية حول نقطة تشغيل ويتم التعبير عنها كنموذج الانحدار التالي:

حيث أن:

(z): ناتج نموذج الانحدار.

(x): هو الانحدار أو المتنبئ أو العامل في نموذج الانحدار.

(e): هو متجه الخطأ العشوائي، والذي يعتبر عشوائياً ويفترض أنه موزع بشكل مستقل ومتماثل (i.i.d.) في نموذج الانحدار.

كما تُعرف المصفوفة (H) بالمعامل أو مصفوفة الانحدار، بحيث يعد اكتشاف وتقييم وفهم النقاط المؤثرة المجالات الرئيسية للدراسة في بناء نموذج الانحدار، كما يتم حل متغيرات العامل أو المتغيرات التفسيرية في نموذج الانحدار عن طريق تقدير المربعات الصغرى كما في المعادلات الثلاث السابقة، بحيث يتم اشتقاق متجه القياس المقدر كـ:

استراتيجيات الهجوم

في أنظمة الطاقة، يأخذ مقدر الحالة كما هو مذكور في الشكل السابق، وهناك ثلاثة أنواع من المدخلات، وهي بيانات قياس العداد مثل حقن الطاقة وتدفق الطاقة وبيانات معلومات طوبولوجيا الشبكة (حالة تشغيل / إيقاف تشغيل المفاتيح) وبيانات المعلمة (الفرع مقاومة وتفاوتات أخطاء القياس)، وعادة يتم إرسال هذه المدخلات إما من متر إلى مركز التحكم أو تخزينها في قواعد البيانات.

وأخيراً يبقى من الضروري دائماً اكتشاف القياسات الخاطئة في تشغيل شبكة الطاقة النشطة، ونظراً للنشر المتزايد لتكنولوجيا المعلومات والاتصالات وتقنيات الأتمتة لتشغيل أنظمة الطاقة الحديثة؛ فإنه يمكن العبث بالقياسات من أجل النوايا السيئة، كما سيحاول المهاجم دائماً التأثير على حالات النظام عن طريق إخفاء الهجوم من خوارزمية الكشف، وهو أمر ممكن إذا كانت قياسات الرافعة المالية مستهدفة بشكل خاص.

كذلك يمكن أن تحدث الروافع العالية في كل من شبكات النقل والتوزيع، بحيث استخدم البحث الوارد هنا مفهوم تحليل الانحدار للتعرف على القيم المتطرفة والقياسات المؤثرة في النظام، لذلك وجد أن تحديد البيانات السيئة لقياسات الرافعة المالية أمر صعب بشكل خاص بسبب انخفاض قيمة المخلفات حتى لو كانت مصابة بأخطاء جسيمة.