[論文レビュー] Dynamic State Estimation under Cyber Attacks: A Comparative Study of Kalman Filters and Observers

Ahmad F. Taha, Junjian Qi+2 more|arXiv (Cornell University)|Aug 28, 2015

Smart Grid Security and Resilience参考文献 28被引用数 8

ひとこと要約

本稿では、サイバー攻撃および未知入力が存在する電力系統における動的状態推定（DSE）のため、立方則カルマンフィルタ（CKF）と2つの非線形ダイナミックオブザーバーの提案と比較がなされる。オブザーバーは収束性、初期条件の誤差に対するロバスト性、攻撃検出能力、計算効率の面でCKFおよび他のカルマンフィルタを上回り、SMIB系統では推定実行時間が0.76秒にまで短縮された。

ABSTRACT

Utilizing highly synchronized measurements from synchrophasors, dynamic state estimation (DSE) can be applied for real-time monitoring of smart grids. Concurrent DSE studies for power systems are intolerant to unknown inputs and potential attack vectors --- a research gap we will fill in this work. Particularly, we (a) present an overview of concurrent estimation techniques, highlighting key deficiencies, (b) develop DSE methods based on cubature Kalman filter and dynamic observers, (c) rigorously examine the strengths and weaknesses of the proposed methods under attack-vectors and unknown inputs, and (d) provide comprehensive recommendations for DSE. Numerical results and in-depth remarks are also presented.

研究の動機と目的

• 既存のDSE手法が未知入力、サイバー攻撃、パrametric不確実性に対して耐性を持たない問題に対処する。
• 特に初期条件や未知入力に対して感受性が強い、カルマンフィルタベースのDSE手法の主な限界を特定する。
• 非線形ダイナミクスと攻撃ベクトルを扱える、CKFおよび2つの非線形ダイナミックオブザーバーを含む高度なDSE技術の開発と評価を行う。
• リアルタイムで安全にDSEを実行する応用において、オブザーバーがカルマンフィルタよりも優れている理論的・実証的根拠を提供する。
• 攻撃や不確実性下での性能に基づき、スマートグリッドにおける最適なDSE実装の実用的推奨事項を提示する。

提案手法

• 数値積分に球面径路立方則（spherical-radial cubature rule）を用いてCKFを実装し、非線形系においてUKFよりも高い数値的安定性を実現する。
• 電力系統向けに2つの非線形ダイナミックオブザーバーを設計：1つは未知入力オブザーバー（UIO）の原則に基づき、もう1つは修正されたイノベーション関数を用いて未知入力を分離する。
• オブザーバー利得設計を線形行列不等式（LMIs）を含む妥当性問題として定式化し、推定誤差の漸近的安定性と収束性を保証する。
• オフラインでのオブザーバー利得行列計算により、オンライン計算負荷を低減し、時間のかかるカルマンフィルタ更新よりも高速なリアルタイム推定を実現する。
• 非線形ダイナミクスを有する単一機械無限大母線（SMIB）系統モデルにCKFおよびオブザーバーを適用し、サイバー攻撃ベクトルと未知入力を組み込む。
• 推定誤差、収束速度、初期条件の不一致に対するロバスト性、計算実行時間などの指標を用いて性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 サイバー攻撃および未知入力が存在する電力系統において、CKFとダイナミックオブザーバーの動的状態推定性能はどのように比較されるか？
• RQ2 初期状態推定が不正確な場合、CKFとダイナミックオブザーバーの収束性と精度にどのような影響が生じるか？
• RQ3 ダイナミックオブザーバーはPMU測定値へのサイバー攻撃信号を検出し、状態推定の正確性を維持しながら推定できるか？
• RQ4 リアルタイムDSE応用において、CKFとオブザーバーの計算複雑性および実行時間はどのように比較されるか？
• RQ5 パrametric不確実性およびプロセス／測定ノイズに対処する観点で、オブザーバーがカルマンフィルタに比べて有する理論的・実用的利点は何か？

主な発見

• 提案された非線形ダイナミックオブザーバーは、サイバー攻撃下でもCKF、UKF、EKFを上回る状態推定精度を示し、攻撃ベクトルの推定能力も優れている。
• SMIB系統では、オブザーバーによる推定が0.76秒で収束したのに対し、CKF（3.28秒）およびUKF（6.30秒）は同様の条件下で著しく遅れた。
• 初期状態推定が不一致した場合（例：x̂(0) = [3 ω₀ 0 0]ᵀ）、CKFは発散したが、オブザーバーは安定的かつ正確に収束を維持した。
• オブザーバーはLMIsに基づく利得設計により理論的収束保証を提供するが、カルマンフィルタは未知入力下で厳密な収束証明を欠いている。
• CKFは誤差共分散行列が正定値でない可能性により数値的不安定性のリスクを示したが、これはオブザーバーフレームワークによって回避された。
• オブザーバーはプロセスノイズおよび測定ノイズの両方に対してロバストであり、パrametric不確実性を未知入力ベクトルに統合することで効果的に処理した。