CN113268731A - 一种针对负荷频率控制系统虚假数据攻击的估计方法 - Google Patents
一种针对负荷频率控制系统虚假数据攻击的估计方法 Download PDFInfo
- Publication number
- CN113268731A CN113268731A CN202110522170.6A CN202110522170A CN113268731A CN 113268731 A CN113268731 A CN 113268731A CN 202110522170 A CN202110522170 A CN 202110522170A CN 113268731 A CN113268731 A CN 113268731A
- Authority
- CN
- China
- Prior art keywords
- attack
- frequency control
- matrix
- control system
- load frequency
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种针对负荷频率控制系统虚假数据攻击的估计方法,首先根据电力系统的动态模型建立负荷频率控制系统的数学模型;然后,针对电网频率量测值和联络线功率量测值受到虚假数据注入攻击的情形,分析攻击信号对系统状态方程的影响,建立包含虚假数据注入攻击信号的负荷频率控制系统数学模型;接着,设计自适应观测器,对系统状态和攻击信号进行估计;最后,利用李亚普诺夫稳定性理论和鲁棒H∞优化指标,基于线性矩阵不等式方法,求解出观测器增益,保证负荷频率控制系统攻击信号估计误差的收敛性和有界性。本发明提出的方法可对负荷频率系统的虚假数据注入攻击信号进行精确估计,同时能够对外部干扰进行抑制,具有设计简单、易工程实现的优点,有很强的实用价值。
Description
技术领域
本发明涉及电力系统运行控制领域,特别涉及一种针对负荷频率控制系统虚假数据攻击的估计方法。
背景技术
随着智能电网建设的不断推进,电力系统中大规模引入移动互联、人工智能等现代信息技术和先进通信技术,将计算系统、通信网络和电力系统的物理环境融为一体,形成一个实时感知、动态控制与信息决策融合的复杂系统。智能电网广泛的网络连接以及缺乏有效安全防护的远程接入接口,导致电网极易受到网络攻击的威胁。近年来,网络安全问题已成为威胁电力系统安全运行的重要因素,攻击者通过网络空间攻击电网关键基础设施的趋势不断增加。如2010年,伊朗核电站遭到“震网”病毒攻击,导致大量离心机退出运行。2015年,乌克兰电网因遭受网络攻击造成大规模的停电事故,约140万人受到影响。这些“小概率-高风险”极端事件所产生的破坏性影响极其巨大。
虚假数据注入攻击是一种典型的信息物理融合的网络攻击方式,此类攻击是目前发现的电力系统最有威胁的攻击方式之一。当攻击者入侵电力系统的通信网络,将虚假数据注入至电网负荷频率控制系统中,将影响电网的频率稳定,严重时会引发电网的连锁故障,造成电网大面积的停电事故。因此,亟需研究攻击信号的估计方法,以发现攻击者的攻击策略并帮助电网运行者做出决策。目前国内外学者对负荷频率控制系统网络攻击的检测研究做了很多工作,但对于攻击的估计方法仍缺乏足够的研究。
发明内容
本发明的目的是为了克服现有技术的不足,提出一种针对负荷频率控制系统虚假数据攻击的估计方法。本发明在建立虚假数据注入攻击下负荷频率控制系统数学模型的基础上,提出了基于自适应估计器的设计方法,对系统状态和攻击信号进行同时估计,并实现了对外部干扰的抑制,具有很强的实际应用价值。
本发明的技术解决方案为:一种针对负荷频率控制系统虚假数据攻击的估计方法,其实现步骤如下:
步骤一、根据电力系统的动态模型,建立电力系统负荷频率控制系统的数学模型。
系统频率动态方程为:
其中,i是区域编号,Δfi是频率偏差,Mi是发电机惯量,ΔPGi是发电机输出功率偏差,Di是等效阻尼系数,ΔPdi是负荷波动,ΔPtie-i是联络线功率偏差。
涡轮动态方程为:
其中,ΔPvi是涡轮调节阀位置偏差,Ttu,i是涡轮机时间常数。
调速器动态方程为:
其中,ui是控制输入,Tg,i是调速器时间常数,Ri是转速下垂系数。
联络线潮流动态方程为:
其中,Ti,j是区域i与区域j之间联络线同步系数,n是区域总数。
区域控制误差信号可表示为:
ACEi(t)=βiΔfi+ΔPtie-i (18)
其中,ACEi(t)为区域控制误差,βi是频率偏差系数。
根据以上动态方程,构建负荷频率控制系统的数学模型:
其中,x(t)=[ΔfiΔPGiΔPviΔPtie-i∫ACEi(t)]T,y(t)=[ACEi(t)∫ACEi(t)]T,
x(t),y(t),u(t),d(t)分别代表区域i的状态向量、输出向量、输入向量和干扰向量,Ai,Bi,Ci,Ei分别代表状态矩阵、输入矩阵、输出矩阵和干扰矩阵。
步骤二、建立电力系统频率和联络线功率传感器受到虚假数据注入攻击时的数学模型。
负荷频率控制中心通过接收区域控制误差ACE信号,并发送控制命令至发电机,以保持电网的频率和联络线功率稳定。当频率量测值和联络线功率量测值受到虚假数据注入攻击时,区域控制误差ACE可表示为:
ACEcom-i(t)=ACE(t)+βifFDIA,fr(t)+fFDIA,tie(t) (20)
其中,ACEcom-i(t)为攻击后的区域控制误差,fFDIA,tie(t),fFDIA,fr(t)分别代表联络线和频率传感器攻击信号。
因此,忽略区域编号i,电网负荷频率控制受到虚假数据注入攻击时的数学模型可表示为:
其中,fFDIA(t)代表虚假数据攻击信号,fFDIA(t)=fFDIA,tie(t)+βifFDIA,fr(t),F为攻击矩阵,F=[0 0 0 0 1]T,A、B、C、E分别代表状态矩阵、输入矩阵、输出矩阵、干扰矩阵。
步骤三、根据所建立的负荷频率控制系统受到虚假数据注入攻击时的数学模型,设计自适应估计器:
步骤四、根据李亚普诺夫稳定性理论和鲁棒H∞优化指标相结合的方法,基于线性矩阵不等式方法,求解出观测器增益,保证负荷频率控制系统攻击信号估计误差的收敛性和有界性,具体实现如下:
对于给定的正实数σ,μ,η和γ,存在正定矩阵P、G以及矩阵Y、Q,使得以下条件成立:
其中,L=P-1Y,*代表对称矩阵中的对称元素。
那么在零初始条件下,所提出的自适应估计器能确保状态估计误差ex(t)和攻击估计误差ef(t)最终一致有界,并且满足||ey(t)||≤γ||d(t)||,攻击信号的估计值为:
其中,Γ为观测器的学习率。
本发明的有益效果在于:
本发明方法针对电网负荷频率控制系统的网络安全问题,建立了频率量测值和联络线功率量测值受到虚假数据注入攻击时的负荷频率控制系统数学模型,采用自适应估计器对攻击信号进行估计,具有设计简单易工程实现、估计精度高的优点,并且能够对外部干扰进行抑制,有很高的应用价值。
附图说明
图1为本发明方法的总体流程图;
图2为电网负荷频率控制系统的结构框图;
图3为负荷频率控制系统受到攻击时的实际攻击信号和攻击估计信号对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案作进一步详细地描述。
本发明提出一种针对负荷频率控制系统虚假数据攻击的估计方法,整体流程图如图1所示,包括以下步骤:
一、电网负荷频率控制系统的结构框图如图2所示,在此基础上建立电力系统负荷频率控制系统的数学模型:
系统频率动态方程为:
其中,i是区域编号,Δfi是频率偏差,Mi是发电机惯量,ΔPGi是发电机输出功率偏差,Di是等效阻尼系数,ΔPdi是负荷波动,ΔPtie-i是联络线功率偏差。
涡轮动态方程为:
其中,ΔPvi是涡轮调节阀位置偏差,Ttu,i是涡轮机时间常数。
调速器动态方程为:
其中,ui是控制输入,Tg,i是调速器时间常数,Ri是转速下垂系数。
联络线潮流动态方程为:
其中,Ti,j是区域i与区域j之间联络线同步系数,n是区域总数。
区域控制误差信号可表示为:
ACEi(t)=βiΔfi+ΔPtie-i (29)
其中,ACEi(t)为区域控制误差,βi是频率偏差系数。
根据以上动态方程,构建负荷频率控制系统的数学模型:
其中,x(t)=[ΔfiΔPGiΔPviΔPtie-i∫ACEi(t)]T,y(t)=[ACEi(t)∫ACEi(t)]T,
x(t),y(t),u(t),d(t)分别代表区域i的状态向量、输出向量、输入向量和干扰向量,Ai,Bi,Ci,Ei分别代表状态矩阵、输入矩阵、输出矩阵和干扰矩阵。
二、建立电力系统频率和联络线功率传感器受到虚假数据注入攻击时的数学模型。
负荷频率控制中心通过接收区域控制误差ACE信号,并发送控制命令至发电机,以保持电网的频率和联络线功率稳定。当频率量测值和联络线功率量测值受到虚假数据注入攻击时,如图2所示,区域控制误差ACE可表示为:
ACEcom-i(t)=ACE(t)+βifFDIA,fr(t)+fFDIA,tie(t) (31)
其中,ACEcom-i(t)为攻击后的区域控制误差,fFDIA,tie(t),fFDIA,fr(t)分别代表联络线和频率传感器攻击信号。
因此,忽略区域编号i,电网负荷频率控制受到虚假数据注入攻击时的数学模型可表示为:
其中,fFDIA(t)代表虚假数据攻击信号,fFDIA(t)=fFDIA,tie(t)+βifFDIA,fr(t),F为攻击矩阵,F=[0 0 0 0 1]T;A、B、C、E分别代表状态矩阵、输入矩阵、输出矩阵、干扰矩阵。
三、根据所建立的负荷频率控制系统受到虚假数据注入攻击时的数学模型,设计自适应估计器:
四、根据李亚普诺夫稳定性理论和鲁棒H∞优化指标相结合的方法,基于线性矩阵不等式方法,求解出观测器增益,保证负荷频率控制系统攻击信号估计误差的收敛性和有界性,具体实现如下:
对于给定的正实数σ,μ,η和γ,存在正定矩阵P、G以及矩阵Y、Q,使得以下条件成立:
其中,L=P-1Y,*代表对称矩阵中的对称元素。
那么在零初始条件下,所提出的自适应观测器能确保状态估计误差ex(t)和攻击估计误差ef(t)最终一致有界,并且满足||ey(t)||≤γ||d(t)||,攻击信号的估计值为:
其中,Γ为观测器的学习率。
本发明设计了一种针对负荷频率控制系统虚假数据攻击的估计方法,可对虚假数据注入攻击信号进行快速精确的估计;
本发明方法实现的效果举例说明如下:
本发明方法采用一个两区域的电力系统算例进行仿真验证,算例的主要参数设置如表1所示,假设攻击只发生在区域1,区域1的联络线功率量测值受到偏置攻击,攻击信号为:
而电网频率量测值受到谐波攻击,攻击信号为:
假设电网的负荷波动为:
表1两区域电力系统算例参数
通过LMI工具箱,计算得到观测器的增益矩阵为:
图3为本发明中实际攻击信号与攻击估计信号的对比,由图3可见,本发明所提的基于鲁棒自适应观测器的攻击估计方法可对虚假数据攻击信号进行准确的估计。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的宗旨和原则之内所作的任何修改、等同替换和改进等,均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.一种针对负荷频率控制系统虚假数据攻击的估计方法,其特征在于,包括如下步骤:
步骤一、根据电力系统的动态模型,建立电力系统负荷频率控制系统的数学模型:
步骤二、建立电力系统频率和联络线功率传感器受到虚假数据注入攻击时的数学模型;
步骤三、根据所建立的负荷频率控制系统受到虚假数据注入攻击时的数学模型,设计自适应观测器;
步骤四、根据李亚普诺夫稳定性理论和鲁棒H∞优化指标相结合的方法,基于线性矩阵不等式方法,求解出观测器增益,保证负荷频率控制系统攻击信号估计误差的收敛性和有界性。
2.根据权利要求1所述的一种针对负荷频率控制系统虚假数据攻击的估计方法,其特征在于,所述步骤一、根据电力系统的动态模型,建立电力系统负荷频率控制系统的数学模型,具体如下:
系统频率动态方程为:
其中,i是区域编号,Δfi是频率偏差,Mi是发电机惯量,ΔPGi是发电机输出功率偏差,Di是等效阻尼系数,ΔPdi是负荷波动,ΔPtie-i是联络线功率偏差;
涡轮动态方程为:
其中,ΔPvi是涡轮调节阀位置偏差,Ttu,i是涡轮机时间常数;
调速器动态方程为:
其中,ui是控制输入,Tg,i是调速器时间常数,Ri是转速下垂系数;
联络线潮流动态方程为:
其中,Ti,j是区域i与区域j之间联络线同步系数,n是区域总数;
区域控制误差信号表示为:
ACEi(t)=βiΔfi+ΔPtie-i (5)
其中,ACEi(t)为区域控制误差,βi是频率偏差系数;
根据以上动态方程,构建负荷频率控制系统的数学模型:
其中,x(t)=[Δfi ΔPGi ΔPvi ΔPtie-i ∫ACEi(t)]T,y(t)=[ACEi(t) ∫ACEi(t)]T,
x(t),y(t),u(t),d(t)分别代表区域i的状态向量、输出向量、输入向量和干扰向量,Ai,Bi,Ci,Ei分别代表区域的状态矩阵、输入矩阵、输出矩阵和干扰矩阵。
3.根据权利要求1所述的一种针对负荷频率控制系统虚假数据攻击的估计方法,其特征在于,所述步骤二、建立电力系统频率和联络线功率传感器受到虚假数据注入攻击时的数学模型,具体包括:
负荷频率控制中心通过接收区域控制误差ACE信号,并发送控制命令至发电机,以保持电网的频率和联络线功率稳定,当频率量测值和联络线功率量测值受到虚假数据注入攻击时,区域控制误差ACE表示为:
ACEcom-i(t)=ACE(t)+βifFDIA,fr(t)+fFDIA,tie(t) (7)
其中,ACEcom-i(t)为攻击后的区域控制误差,fFDIA,tie(t),fFDIA,fr(t)分别代表联络线和频率传感器攻击信号;
因此,忽略区域编号i,电网负荷频率控制受到虚假数据注入攻击时的数学模型表示为:
其中,fFDIA(t)代表虚假数据攻击信号,fFDIA(t)=fFDIA,tie(t)+βifFDIA,fr(t),F为攻击矩阵,F=[0 0 0 0 1]T;A、B、C、E分别代表状态矩阵、输入矩阵、输出矩阵、干扰矩阵。
5.根据权利要求1所述的一种针对负荷频率控制系统虚假数据攻击的估计方法,其特征在于,所述步骤四、根据李亚普诺夫稳定性理论和鲁棒H∞优化指标相结合的方法,基于线性矩阵不等式方法,求解出观测器增益,保证负荷频率控制系统攻击信号估计误差的收敛性和有界性,具体实现如下:
对于给定的正实数σ,μ,η和γ,存在正定矩阵P、G以及矩阵Y、Q,使得以下条件成立:
其中,L=P-1Y,*代表对称矩阵中的对称元素;
那么在零初始条件下,所提出的自适应观测器能确保状态估计误差ex(t)和攻击估计误差ef(t)最终一致有界,并且满足||ey(t)||≤γ||d(t)||,攻击信号的估计值为:
其中,Γ为观测器的学习率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110522170.6A CN113268731B (zh) | 2021-05-13 | 2021-05-13 | 一种针对负荷频率控制系统虚假数据攻击的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110522170.6A CN113268731B (zh) | 2021-05-13 | 2021-05-13 | 一种针对负荷频率控制系统虚假数据攻击的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113268731A true CN113268731A (zh) | 2021-08-17 |
CN113268731B CN113268731B (zh) | 2022-03-01 |
Family
ID=77230609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110522170.6A Active CN113268731B (zh) | 2021-05-13 | 2021-05-13 | 一种针对负荷频率控制系统虚假数据攻击的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268731B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741372A (zh) * | 2021-09-08 | 2021-12-03 | 南京富岛信息工程有限公司 | 一种降低工业过程控制系统偏差攻击误报的方法 |
CN114036506A (zh) * | 2021-11-05 | 2022-02-11 | 东南大学 | 一种基于lm-bp神经网络的检测和防御虚假数据注入攻击的方法 |
CN114244605A (zh) * | 2021-12-16 | 2022-03-25 | 电子科技大学 | 一种考虑网络攻击和时变时延的负载频率控制方法及系统 |
CN114996706A (zh) * | 2022-06-22 | 2022-09-02 | 燕山大学 | 基于未知输入观测器的智能交通虚假数据攻击检测方法 |
CN115277109A (zh) * | 2022-07-04 | 2022-11-01 | 北京航空航天大学杭州创新研究院 | 一种面向虚假数据注入攻击的智能微网分布式动态跟踪技术 |
WO2023195928A1 (en) * | 2022-04-05 | 2023-10-12 | Singapore University Of Technology And Design | System and method of detecting attacks against automatic generation control (agc) of a grid |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150276869A1 (en) * | 2012-10-30 | 2015-10-01 | Sergey Sofer | Method and apparatus for at-speed scan shift frequency test optimization |
CN110531616A (zh) * | 2019-07-29 | 2019-12-03 | 浙江工业大学 | 一种有色噪声下的网络化运动控制系统攻击辨识方法 |
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 |
-
2021
- 2021-05-13 CN CN202110522170.6A patent/CN113268731B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150276869A1 (en) * | 2012-10-30 | 2015-10-01 | Sergey Sofer | Method and apparatus for at-speed scan shift frequency test optimization |
CN110531616A (zh) * | 2019-07-29 | 2019-12-03 | 浙江工业大学 | 一种有色噪声下的网络化运动控制系统攻击辨识方法 |
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 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741372A (zh) * | 2021-09-08 | 2021-12-03 | 南京富岛信息工程有限公司 | 一种降低工业过程控制系统偏差攻击误报的方法 |
CN113741372B (zh) * | 2021-09-08 | 2023-01-24 | 南京富岛信息工程有限公司 | 一种降低工业过程控制系统偏差攻击误报的方法 |
CN114036506A (zh) * | 2021-11-05 | 2022-02-11 | 东南大学 | 一种基于lm-bp神经网络的检测和防御虚假数据注入攻击的方法 |
CN114244605A (zh) * | 2021-12-16 | 2022-03-25 | 电子科技大学 | 一种考虑网络攻击和时变时延的负载频率控制方法及系统 |
WO2023195928A1 (en) * | 2022-04-05 | 2023-10-12 | Singapore University Of Technology And Design | System and method of detecting attacks against automatic generation control (agc) of a grid |
CN114996706A (zh) * | 2022-06-22 | 2022-09-02 | 燕山大学 | 基于未知输入观测器的智能交通虚假数据攻击检测方法 |
CN114996706B (zh) * | 2022-06-22 | 2023-04-04 | 燕山大学 | 基于未知输入观测器的智能交通虚假数据攻击检测方法 |
CN115277109A (zh) * | 2022-07-04 | 2022-11-01 | 北京航空航天大学杭州创新研究院 | 一种面向虚假数据注入攻击的智能微网分布式动态跟踪技术 |
CN115277109B (zh) * | 2022-07-04 | 2023-06-30 | 北京航空航天大学杭州创新研究院 | 一种面向虚假数据注入攻击的智能微网分布式动态跟踪技术 |
Also Published As
Publication number | Publication date |
---|---|
CN113268731B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113268731B (zh) | 一种针对负荷频率控制系统虚假数据攻击的估计方法 | |
Yan et al. | Sampled memory-event-triggered fuzzy load frequency control for wind power systems subject to outliers and transmission delays | |
CN112234629B (zh) | 基于欺骗攻击的多区域电力系统的滑模负荷频率控制方法 | |
CN114036506B (zh) | 一种基于lm-bp神经网络的检测和防御虚假数据注入攻击的方法 | |
Gao et al. | Fault detection for time-delayed networked control systems with sensor saturation and randomly occurring faults | |
Rath et al. | Behind closed doors: Process-level rootkit attacks in cyber-physical microgrid systems | |
CN114421499A (zh) | 一种多区域负荷频率系统的攻击重构与弹性控制方法 | |
CN114725954A (zh) | 一种时滞光伏发电系统广域阻尼控制器设计方法 | |
CN113687597B (zh) | 一种基于二阶波浪漂移力的无人船路径跟踪方法 | |
CN109586291B (zh) | 一种抑制电力系统混沌振荡的方法 | |
Mazare | Adaptive optimal secure wind power generation control for variable speed wind turbine systems via reinforcement learning | |
Tian et al. | Codesign of fdi attacks detection, isolation, and mitigation for complex microgrid systems: An hbf-nn-based approach | |
Ma et al. | Dynamic load-altering attack detection based on adaptive fading Kalman filter in power systems | |
Sadi et al. | Time sequence machine learning-based data intrusion detection for smart voltage source converter-enabled power grid | |
Miao et al. | Adaptive security control against false data injection attacks in cyber-physical systems | |
CN115328142A (zh) | 一种重放攻击下网络化无人船舶的故障检测方法 | |
Dong et al. | Distributed robust‐multivariate‐observer‐based FDI attacks estimation for nonlinear multi‐agent systems with directed graphs | |
Zhao et al. | Research on Dual Security Control for a Non‐Linear CPS with Multi‐Objective Constraints under DoS Attack and Actuator Fault: An Active‐Passive Attack‐Tolerant Approach | |
Liu et al. | Decentralized resilient finite-time-control for large-scale power systems via dynamic triggering against deception attacks | |
Weng et al. | Fusion estimation for FDI sensor attacks in distributed systems | |
He et al. | Attack detection and secure correction control for cyber-physical systems subject to actuator deception attacks | |
LU505180B1 (en) | Optimization method of network-electric efficiency evaluation model based on numerical inverse problem | |
Pang et al. | Design of false data injection attacks for output tracking control of CARMA systems | |
CN109031945A (zh) | 一种非同元次及同元次分数阶混沌系统的自适应控制方法 | |
CN116094769B (zh) | 一种抵御虚假数据注入攻击的港口微电网控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |