[논문 리뷰] A PMU-based Multivariate Model for Classifying Power System Events

Rui Ma, Sagnik Basumallik외 1명|arXiv (Cornell University)|2018. 12. 01.

Time Series Analysis and Forecasting참고 문헌 29인용 수 6

한 줄 요약

이 논문은 텍스트 마이닝 기법을 활용한 PMU 기반 다변량 모델을 제안하여 실시간으로 가짜 데이터 주입 공격을 탐지하고 전력 시스템의 일시적 사건을 분류한다. 개별 PMU의 시계열 데이터와 그 상호관계를 분석함으로써, 다양한 시스템 구조, 부하 조건 및 PMU 커버리지 비율에서도 효과적으로 사건을 식별하며, IEEE 30-bus 시스템 테스트 케이스에서 높은 강건성과 정확도를 입증한다.

ABSTRACT

Real-time transient event identification is essential for power system situational awareness and protection. The increased penetration of Phasor Measurement Units (PMUs) enhance power system visualization and real time monitoring and control. However, a malicious false data injection attack on PMUs can provide wrong data that might prompt the operator to take incorrect actions which can eventually jeopardize system reliability. In this paper, a multivariate method based on text mining is applied to detect false data and identify transient events by analyzing the attributes of each individual PMU time series and their relationship. It is shown that the proposed approach is efficient in detecting false data and identifying each transient event regardless of the system topology and loading condition as well as the coverage rate and placement of PMUs. The proposed method is tested on IEEE 30-bus system and the classification results are provided.

연구 동기 및 목표

• 실시간 일시적 사건 식별을 향상시켜 전력 시스템의 상황 인식 능력을 향상시키기 위해.
• PMU에 대한 악성 가짜 데이터 주입 공격이 시스템 신뢰성을 손상시킬 수 있는 위협을 다루기 위해.
• 시스템 구조, 부하 조건, PMU 배치 또는 커버리지 비율에 민감하지 않은 강건한 분류 모델을 개발하기 위해.
• PMU 데이터 속성과 그 상호의존성의 다변량 분석을 통해 정확한 일시적 사건 분류를 가능하게 하기 위해.

제안 방법

• 해당 방법은 개별 PMU 시계열 데이터에서 속성을 추출하고 분석하기 위해 텍스트 마이닝 기법을 적용한다.
• 가짜 데이터 주입을 시사하는 이질성을 탐지하기 위해 PMU 측정치 간의 다변량 관계를 모델링한다.
• 시계열에서 유도된 통계적 및 패턴 인식 특징을 활용하여 일시적 사건의 특징을 표현한다.
• 단일 센서 분석을 초월하여 다수의 PMU 행동을 통합함으로써 사건을 분류함으로써 탐지 정확도를 향상시킨다.
• 모델은 IEEE 30-bus 시스템에서 시뮬레이션된 합성 일시적 사건을 기반으로 훈련 및 검증된다.
• 다양한 PMU에서의 전압 및 전류 위상 벡터의 동적 변화를 포착하기 위해 특징 공학 기법을 활용한다.

실험 결과

연구 질문

• RQ1 시스템 구조나 PMU 배치에 의존하지 않고, 다변량 PMU 기반 모델이 가짜 데이터 주입 공격을 탐지할 수 있는가?
• RQ2 다양한 시스템 부하 조건과 PMU 커버리지 비율 하에서 일시적 사건의 분류 정확도는 어느 정도인가?
• RQ3 PMU 측정치 간의 상호관계가 모델 성능에 얼마나 영향을 미치는가?
• RQ4 텍스트 마이닝 기법이 PMU 시계열에서 분류에 효과적인 특징을 효과적으로 추출할 수 있는가?
• RQ5 제안된 방법은 다양한 시스템 구성과 고장 시나리오에 대해 강건한가?

주요 결과

• 제안된 방법은 PMU 측정 패턴의 이질성을 식별함으로써 가짜 데이터 주입 공격을 성공적으로 탐지한다.
• 시스템 구조나 부하 조건에 관계없이 사건 분류가 정확하게 유지되어 높은 강건성을 입증한다.
• 다양한 PMU 커버리지 비율과 비최적의 배치 조건에서도 모델은 신뢰할 수 있는 성능을 유지한다.
• PMU 속성의 다변량 분석은 단변량 접근 방식에 비해 분류 정확도를 크게 향상시킨다.
• 시뮬레이션 결과를 통해 IEEE 30-bus 시스템에서 일시적 사건에 대해 높은 탐지율을 달성한다.
• 텍스트 마이닝 기법은 PMU 시계열에서 분류에 효과적인 특징을 효과적으로 추출하여 정밀한 사건 분류를 가능하게 한다.