文献

J-GLOBAL ID：201902219507971317   整理番号：19A0083583

自動生成制御における偽データ注入の物理学と学習に基づく検出と位置決め【JST・京大機械翻訳】

Physics- and Learning-based Detection and Localization of False Data Injections in Automatic Generation Control

著者 (4件)： Jevtic Ana (Massachusetts Institute of Technology, Cambridge, MA 02139 USA) ,  Zhang Fengli (University of Arkansas, Fayetteville, AR 72701) ,  Li Qinghua (University of Arkansas, Fayetteville, AR 72701) ,  Ilic Marija (Massachusetts Institute of Technology, Cambridge, MA 02139 USA)
資料名： IFAC PapersOnLine  (IFAC PapersOnLine)
巻： 51  号： 28  ページ： 702-707  発行年： 2018年 
JST資料番号： W3101A  ISSN： 2405-8963  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,自動生成制御(AGC)におけるFalse Data Injection(FDI)攻撃を検出する2つの補完的方法を提案した。第一は相互作用変数に依存する物理ベースの方法であり,現在使用されている面積制御誤差(ACE)よりも制御領域のより詳細な空間動的モデルを用いることにより導出される。AGCにおけるFDI攻撃を検出する第2の方法は,Deep学習に基づいている。この方法は,主に歴史的データ(タイラインフロー,周波数)とACEデータに依存し,データパターンを学習するために利用可能な歴史的データを用いてモデルを構築するために,学習パターンを通してACEsを予測するために,Long Short Term Memory(LSTM)ニューラルネットワークを採用した。両方法の性能を5母線系統のシミュレーションにより検証した。結果は,両方の方法が高い検出精度をもたらすことを示した。物理ベースの方法は学習に基づく方法よりも優れているが,雑音のない測定を著しく必要とするコストにおいても優れている。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  雑音 ,  相互作用 ,  ニューラルネットワーク ,  調節遺伝子 ,  *位置決め ,  対応線 ,  ダイナミックモデル
準シソーラス用語： 深層学習 ,  検出精度 ,  *自動生成 , 【Automatic Indexing@JST】

著者キーワード (5件)： 電力グリッド ,  サイバーセキュリティ ,  深層学習 ,  攻撃検出 ,  自動発電制御

分類 (4件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (4件)： 自動生成 ,  注入 ,  物理学 ,  学習