CN112305914A - 一种考虑阻塞攻击的电力互联系统分布式控制算法 - Google Patents
一种考虑阻塞攻击的电力互联系统分布式控制算法 Download PDFInfo
- Publication number
- CN112305914A CN112305914A CN202011165538.XA CN202011165538A CN112305914A CN 112305914 A CN112305914 A CN 112305914A CN 202011165538 A CN202011165538 A CN 202011165538A CN 112305914 A CN112305914 A CN 112305914A
- Authority
- CN
- China
- Prior art keywords
- attack
- sub
- power
- model
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种考虑阻塞攻击的电力互联系统分布式控制算法,针对具有阻塞攻击的负载频率控制系统,设计了具有传感器模块,预测补偿模块,控制器模块的抵抗攻击的系统模型,提出了一种预测补偿控制算法来补偿由阻塞攻击引起的数据包丢失问题。与传统方法相比,解决了连续攻击下数据包无法最新的数据而对系统所带来不良影响。为了便于对多区域电力系统的控制,利用多智能控制算法使得每个子区域电力系统的“行动”能够保持协调一致性。更加贴近实际电网环境和需求,在保证网络控制性能的同时,能够改善系统的控制效果。
Description
技术领域
本发明涉及通信领域,具体涉及一种考虑阻塞攻击的电力互联系统分布式控制算法。
背景技术
我国社会主义市场经济快速的发展,工业水平也在逐步提高。随着物质的极大发展,人们在生产和生活中越来越重视电力系统的安全性和可靠性,对其要求越发的严格。电力系统是否能安全稳定的运行是电力系统中重要的一部分。电网作为一个典型的物理信息系统,集网络计算与电网元器件之间的通信于一身,能有效地提高物理元件与网络元件之间的协作。同时,由于电网的“开放性”和全球恐怖主义的猖獗,电网里经常会遭到恶意物理信息系统攻击,从而使电网变得非常脆弱。安全稳定的运行是电网追求的一个最基本也是最重要目标,而拥有一个能抵抗物理信息系统攻击的电网是实现这个目标的关键。物理信息系统攻击通常分为虚假数据注入攻击与拒绝服务攻击两类。阻塞攻击是一种特殊的拒绝服务攻击,它通过阻塞元件之间的交流信道从而造成传输数据的丢失,破坏电力系统安全稳定的运行。针对阻塞攻击,传统方法是利用之前的数据来替代丢失的数据,然而这么做会使系统性能将变得很糟,因为它忽略了之前数据和当前数据之间的差别和该时段内系统变化所带来的影响,尤其是当系统遭一连串的连续攻击时,该方法弊端会很更加突出。
现有的技术方案针对负载频率和电力系统的控制方法有基于二自由度的内模控制方法,自适应模糊逻辑的线性预测[1],基于神经网络的强化学习方法[2]等等的控制方法;针对阻塞攻击补偿方法主要是利用成功传输的数据来替代丢失的数据[3];
现有技术缺点①针对负载频率和电力系统的控制方法,主要是基于模型的控制方法,需要知道系统的具体结构和参数,需要知道系统的具体结构和参数。实际系统通常是非线性的,并且由于技术的限制和外界环境的变化,在实际系统建模过程中很难得到系统的精确模型,给实际应用造成了很多困难。
②多区域电力互联系统是由多个子系统构成的,为以上控制方法无法保证在控制过程中区域电力互联系统每个子系统的“行为”都能保持协调一致性。
③传统阻塞攻击补偿方法是用成功传输的数据来替代丢失的数据,然而这么做会使系统性能将变得很糟,因为它忽略了之前数据和当前数据之间的差别和该时段内系统变化所带来的影响,尤其是当系统遭一连串的连续攻击时,该方法弊端会很更加突出。
发明内容
针对上述现有电力互联系统抵抗阻塞攻击算法存在的不足,本发明提供一种考虑阻塞攻击的电力互联系统分布式控制算法。
一种考虑阻塞攻击的电力互联系统分布式控制算法,其包括如下步骤:
步骤1:已完成对第个j区域电力互联系统的动态线性化建模,并基于无模型自适应算法(MFAC)给出其控制率;
步骤2:输入子电网调速器时间常数Tgj、汽轮机时间常数Ttj和发电机的转动惯量Hj;频率偏差系数βj、发电机阻尼系数Dj和转速降Rj;电网中子电网与其“邻居”子电网电力系统联络线的同步系数Tji;
步骤2.1:根据图1,我们可以得到第j个区域电力互联系统的动态模型:
ACEj(s)=βjΔfj(s)+ΔPtie-j(s)
式中,Δfj(k)是频率差分,ΔPdj(k)是负载的差分,ΔPtie-j(k)联络线的电力变换,ACEj(S)是ΔPtie-j(k)和Δfj(k)的结合;
步骤2.2:第j个区域电力互联系统变换到时域时的输入Δuj(k)与输出Δfj(k)的关系模型:
Δfj(k+1)=Nj(Δfj(k),…,Δfj(k-dy),uj(k),…,uj(k-du)),
式中,Nj(·)是非线性函数,dy和du是未知的序;
步骤2.3:让Vj(k)=Δfj(k),则上述公式可以转化为:
Vj(k+1)=Nj(Vj(k),…,Vj(k-dy),uj(k),…,uj(k-du)),
步骤3.1:从k*当时间k=k*+m时,计算输出的预测值增量△Vj(k|k*)
式中,k*是预测器收到来自传感器收到数据包的时刻;
步骤3.2:计算输出预测值Vj(k*+m|k*):
Vj(k*+m|k*)=Vj(k*+m-1|k*)+ΔVj(k*+m|k*)
步骤3.3:计算控制器△uj(k*+m|k*)的预测值增量;
步骤3.4:计算预测输出增量的累积和△Vsj(k*+m|k*):
△Vsj(k*+m|k*)=△Vsj(k*+m1|k*)+△Vj(k*+m|k*)
步骤3.5:接下来我们可以得到一系列的预测序列;
步骤3.6:在攻击时刻k=k*+m,我们从预测序列里取出相应的增量来计算预测值Vj(k|k*)
Vj(k|k*)=Vj(k*+m|k*)=△Vsj(k|k*)+Vj(k*-1)
步骤4:建立系统干扰攻击的模型;
步骤4.1:服从伯努利分布的攻击变量θj满足:
式中,Prob{·}代表的是某个条件发生的概率,E{·}是期望算子,当攻击发生时θj(k)=0,攻击没有发生时θj(k)=1,ηj是常数;
步骤5:控制器输入模型VAj(k):
步骤5.2:计算控制器输入VAj(k):
假定微网有n个智能体(子电网),依次给每个智能体(子电网)编号1,2,3…n;
步骤6:确定已知的子电网信拓扑结构,给每个智能体(子电网)编号,建立微网的邻接矩阵A,邻接矩阵A中的元素按下列公式求取:
步骤7:基于无模型自适应控制算法的分布式负载频率控制率:
步骤8:根据系统均方渐进稳定的充分条件,实现阻塞攻击下的电力系统负载频率控制。
本发明的有益效果
本发明提出了一种阻塞攻击下电力系统基于无模型自适应控制算法的负载频率控制方法,针对具有阻塞攻击的负载频率控制系统,设计了具有传感器模块,预测补偿模块,控制器模块的抵抗攻击的系统模型,提出了一种预测补偿控制算法来补偿由阻塞攻击引起的数据包丢失问题。与传统方法相比,解决了连续攻击下数据包无法最新的数据而对系统所带来不良影响。为了便于对多区域电力系统的控制,利用多智能控制算法使得每个子区域电力系统的“行动”能够保持协调一致性。更加贴近实际电网环境和需求,在保证网络控制性能的同时,能够改善系统的控制效果。
附图说明
图1为负载频率控制原理图;
图2为本发明设计的带预测补偿模块的分布式负载频率系统结构图;
图3为带一个领导者的四区域电力互联系统通信拓扑图;
图4为传统攻击补偿方法下的四区域电力互联系统输出;
图5为传统攻击补偿方法下的四区域电力互联系统追踪误差;
图6为传统攻击补偿方法下的四区域电力互联系统联络线交换频率的差分;
图7为本发明提出的预测补偿方法下的四区域电力互联系统输出;
图8为本发明提出的预测补偿方法下的四区域电力互联系统追踪误差;
图9为本发明提出的预测补偿方法下的四区域电力互联系统联络线交换频率的差分;
图10为不做任何补偿措施所得到的四区域电力互联系统的输出;
图11为本说明提出的控制算法原理流程图;
图12为四区域电力互联系统参数表。
具体实施方式
为了使本发明的目的、技术方案及优势更加清晰,下面结合附图和具体实施例对本发明做进一步详细说明。此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1-12,一种考虑阻塞攻击的电力互联系统分布式控制算法,包括如下步骤:
步骤1:给出系统的追踪信号即作为系统领导者的子电力系统的输出Vd(k+1)的表达式;
步骤2:输入子电网调速器时间常数Tgj、汽轮机时间常数Ttj和发电机的转动惯量Hj;频率偏差系数βj、发电机阻尼系数Dj和转速降Rj;电网中子电网与其“邻居”子电网电力系统联络线的同步系数Tji,以及其它的系统控制参数
μj,λj,ρj,νj,θ和ξ等等;
步骤3:图2为本发明设计的带预测补偿模块的分布式负载频率系统结构,它由控制对象,传感器,预测器和补偿器组成的预测补偿装置以及基于观测器的控制器组成的;对系统k时刻输出的预测补偿序列的计算发生在预测模块中;
步骤3.1:从k*当时间k=k*+m时,计算输出的预测值增量△Vj(k|k*)
式中,k*是预测器收到来自传感器收到数据包的时刻。
步骤3.2:计算输出预测值Vj(k*+m|k*):
Vj(k*+m|k*)=Vj(k*+m-1|k*)+ΔVj(k*+m|k*)
步骤3.3:计算控制器△uj(k*+m|k*)的预测值增量;
步骤3.4:计算预测输出增量的累积和△Vsj(k*+m|k*):
△Vsj(k*+m|k*)=△Vsj(k*+m1|k*)+△Vj(k*+m|k*)
步骤3.5:接下来我们可以得到一系列的预测序列;
步骤3.6:在攻击时刻k=k*+m,我们从预测序列里取出相应的增量来计算预测值Vj(k|k*)
Vj(k|k*)=Vj(k*+m|k*)=△Vsj(k|k*)+Vj(k*-1)
步骤4:建立系统干扰攻击的模型;
步骤4.1:服从伯努利分布的攻击变量θj满足:
式中,Prob{·}代表的是某个条件发生的概率,E{·}是期望算子,当攻击发生时θj(k)=0,攻击没有发生时θj(k)=1,ηj是常数;
步骤5:控制器输入模型VAj(k):
步骤5.2:计算控制器输入VAj(k):
步骤6:确定已知的子电网信拓扑结构,给每个智能体(子电网)编号,建立微网的邻接矩阵A,邻接矩阵A中的元素按下列公式求取:
步骤7:根据邻接矩阵A,给出基于无模型自适应控制算法的分布式负载频率控制率uj(k):
③具体实施例:
本实施方案中,以如图3所示带一个领导者的四区域电力互联系统为例,邻接矩阵A为
其参数见图12表:
其它系统参数β1=21.0,β2=21.5,β3=21.8,β4=22.0T14=0.1986,T21=0.2148,
T32=0.1830,T43=0.1745,ΔPd1=ΔPd2=ΔPd3=ΔPd4=0.01pu..MV.
领导者的系统输出、其它子系统的追踪信号Vd(k+1)为:
根据图3和邻接矩阵A,四区域电力互联系统的四个子系统的分布式控制器为:
假设领导者不遭受攻击,四个子电力系统遭受攻击的概率分别为60%,50%40%,30%,即:
η1=0.4,η1=0.5,η1=0.6,η1=0.7
各子系统的输出(即频率差分)如图7所示,能看到,在不同频率的攻击下,四个子系统的输出能够追踪上领导者的输出,并且每个子系统之间的行动能够保持一致性,充分证明了本算法是有效的。此外,和传统预测补偿控制方法相比(图4,图5,图6),本发明提出方法下系统的追踪性能更好(图4和图7),追踪误差更小(图5和图8),联络线交换频率的变化量变回0值所话的时间更短(图6和图9),图10为不做任何补偿措施所得到的四区域电力互联系统的输出,进一步说明本文提出方法的有效性。
Claims (1)
1.一种考虑阻塞攻击的电力互联系统分布式控制算法,其包括如下步骤:
步骤1:已完成对第个j区域电力互联系统的动态线性化建模,并基于无模型自适应算法(MFAC)给出其控制率;
步骤2:输入子电网调速器时间常数Tgj、汽轮机时间常数Ttj和发电机的转动惯量Hj;频率偏差系数βj、发电机阻尼系数Dj和转速降Rj;电网中子电网与其“邻居”子电网电力系统联络线的同步系数Tji;
步骤2.1:根据图1,我们可以得到第j个区域电力互联系统的动态模型:
ACEj(s)=βjΔfj(s)+ΔPtie-j(s)
式中,Δfj(k)是频率差分,ΔPdj(k)是负载的差分,ΔPtie-j(k)联络线的电力变换,ACEj(S)是ΔPtie-j(k)和Δfj(k)的结合;
步骤2.2:第j个区域电力互联系统变换到时域时的输入Δuj(k)与输出Δfj(k)的关系模型:
Δfj(k+1)=Nj(Δfj(k),…,Δfj(k-dy),uj(k),…,uj(k-du)),
式中,Nj(·)是非线性函数,dy和du是未知的序;
步骤2.3:让Vj(k)=Δfj(k),则上述公式可以转化为:
Vj(k+1)=Nj(Vj(k),…,Vj(k-dy),uj(k),…,uj(k-du)),
步骤3.1:从k*当时间k=k*+m时,计算输出的预测值增量△Vj(k|k*)
式中,k*是预测器收到来自传感器收到数据包的时刻;
步骤3.2:计算输出预测值Vj(k*+m|k*):
Vj(k*+m|k*)=Vj(k*+m-1|k*)+ΔVj(k*+m|k*)
步骤3.3:计算控制器△uj(k*+m|k*)的预测值增量;
步骤3.4:计算预测输出增量的累积和△Vsj(k*+m|k*):
△Vsj(k*+m|k*)=△Vsj(k*+m1|k*)+△Vj(k*+m|k*)
步骤3.5:接下来我们可以得到一系列的预测序列;
步骤3.6:在攻击时刻k=k*+m,我们从预测序列里取出相应的增量来计算预测值Vj(k|k*)
Vj(k|k*)=Vj(k*+m|k*)=△Vsj(k|k*)+Vj(k*-1)
步骤4:建立系统干扰攻击的模型;
步骤4.1:服从伯努利分布的攻击变量θj满足:
式中,Prob{·}代表的是某个条件发生的概率,E{·}是期望算子,当攻击发生时θj(k)=0,攻击没有发生时θj(k)=1,ηj是常数;
步骤4.2:干扰攻击模型Vj att(k):
Vj att(k)=θj(k)Vj(k)
步骤5:控制器输入模型VAj(k):
步骤5.1:计算带输出的补偿部分Vj com(k):
Vj com(k)=(1-θj(k))Vj(k|k*)
步骤5.2:计算控制器输入VAj(k):
VAj(k)=Vj att(k)+Vj com(k)
假定微网有n个智能体(子电网),依次给每个智能体(子电网)编号1,2,3…n;
步骤6:确定已知的子电网信拓扑结构,给每个智能体(子电网)编号,建立微网的邻接矩阵A,邻接矩阵A中的元素按下列公式求取:
步骤7:基于无模型自适应控制算法的分布式负载频率控制率:
步骤8:根据系统均方渐进稳定的充分条件,实现阻塞攻击下的电力系统负载频率控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011165538.XA CN112305914A (zh) | 2020-10-27 | 2020-10-27 | 一种考虑阻塞攻击的电力互联系统分布式控制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011165538.XA CN112305914A (zh) | 2020-10-27 | 2020-10-27 | 一种考虑阻塞攻击的电力互联系统分布式控制算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112305914A true CN112305914A (zh) | 2021-02-02 |
Family
ID=74331121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011165538.XA Pending CN112305914A (zh) | 2020-10-27 | 2020-10-27 | 一种考虑阻塞攻击的电力互联系统分布式控制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112305914A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113824161A (zh) * | 2021-09-22 | 2021-12-21 | 电子科技大学 | 一种DoS攻击下的交直流微电网集群系统控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105826944A (zh) * | 2016-03-18 | 2016-08-03 | 上海电机学院 | 一种微电网群的功率预测方法和系统 |
CN106374461A (zh) * | 2016-09-29 | 2017-02-01 | 重庆大学 | 多区域互联电力系统基于事件触发负荷频率控制的方法 |
CN107069771A (zh) * | 2016-12-23 | 2017-08-18 | 重庆大学 | 多区域互联电力系统基于故障容错的负荷频率控制的方法 |
CN107092991A (zh) * | 2017-05-05 | 2017-08-25 | 东南大学 | 一种智能电网自适应经济调度分配方法 |
CN110971466A (zh) * | 2019-12-12 | 2020-04-07 | 湖南铁路科技职业技术学院 | 一种智能电网信息-物理多智能体系统 |
CN111130106A (zh) * | 2020-01-10 | 2020-05-08 | 浙江工业大学 | 一种针对多区域电力系统的攻击检测方法 |
-
2020
- 2020-10-27 CN CN202011165538.XA patent/CN112305914A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105826944A (zh) * | 2016-03-18 | 2016-08-03 | 上海电机学院 | 一种微电网群的功率预测方法和系统 |
CN106374461A (zh) * | 2016-09-29 | 2017-02-01 | 重庆大学 | 多区域互联电力系统基于事件触发负荷频率控制的方法 |
CN107069771A (zh) * | 2016-12-23 | 2017-08-18 | 重庆大学 | 多区域互联电力系统基于故障容错的负荷频率控制的方法 |
CN107092991A (zh) * | 2017-05-05 | 2017-08-25 | 东南大学 | 一种智能电网自适应经济调度分配方法 |
CN110971466A (zh) * | 2019-12-12 | 2020-04-07 | 湖南铁路科技职业技术学院 | 一种智能电网信息-物理多智能体系统 |
CN111130106A (zh) * | 2020-01-10 | 2020-05-08 | 浙江工业大学 | 一种针对多区域电力系统的攻击检测方法 |
Non-Patent Citations (9)
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113824161A (zh) * | 2021-09-22 | 2021-12-21 | 电子科技大学 | 一种DoS攻击下的交直流微电网集群系统控制方法 |
CN113824161B (zh) * | 2021-09-22 | 2022-06-03 | 电子科技大学 | 一种DoS攻击下的交直流微电网集群系统控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Fuzzy adaptive optimal consensus fault-tolerant control for stochastic nonlinear multiagent systems | |
Liu et al. | Neuro-fuzzy generalized predictive control of boiler steam temperature | |
Shakibjoo et al. | Load frequency control for multi-area power systems: A new type-2 fuzzy approach based on Levenberg–Marquardt algorithm | |
Gheisarnejad et al. | IoT-based DC/DC deep learning power converter control: Real-time implementation | |
CN102841540A (zh) | 基于多模型预测控制的超临界机组协调控制方法 | |
Zhang et al. | Reliable event-triggered load frequency control of uncertain multiarea power systems with actuator failures | |
Zhang et al. | Model predictive control for load frequency control with wind turbines | |
CN112305914A (zh) | 一种考虑阻塞攻击的电力互联系统分布式控制算法 | |
Su et al. | Model-free adaptive tracking control for networked control systems under DoS attacks and RTT delays | |
Lebukan et al. | Implementation of plant-wide PI-fuzzy controller in tennessee eastman process | |
Zadeh et al. | Load frequency control in interconnected power system by nonlinear term and uncertainty considerations by using of harmony search optimization algorithm and fuzzy-neural network | |
Sargolzaei | A secure control design for networked control system with nonlinear dynamics under false-data-injection attacks | |
Zhang et al. | Adaptive decentralized sensor failure compensation control for nonlinear switched interconnected systems with average dwell time | |
Xiang et al. | Genetic-algorithm-optimization-based predictive functional control for chemical industry processes against partial actuator faults | |
CN113690874B (zh) | 一种多区域电力系统的无模型自适应负荷频率控制方法 | |
Shan et al. | Fuzzy adaptive containment control for nonlinear multi-manipulator systems with actuator faults and predefined accuracy | |
Korbiez et al. | Network of dynamic neurons in fault detection systems | |
Mason et al. | Why multivariate statistical process control? | |
Ai et al. | Fuzzy Adaptive Fixed-Time Output Feedback Tracking Control for Stochastic Nonlinear Systems With Unmodeled Dynamics | |
Chen et al. | Multilayered self-triggered control for thermostatically controlled loads | |
Huaguang et al. | Multivariable fuzzy generalized predictive control | |
Patan | Model Predictive Control Methods | |
Takeda et al. | The improvement of fault diagnosis algorithm using signed directed graph | |
Asyaev et al. | Model for Providing Information Security of APCS Based on Predictive Maintenance Technology | |
Liu et al. | Neuro-fuzzy generalized predictive control of boiler steam temperature |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210202 |