[논문 리뷰] Optimization Algorithms for Catching Data Manipulators in Power System Estimation Loops

Mang Liao, Aranya Chakrabortty|arXiv (Cornell University)|2016. 08. 01.

Smart Grid Security and Resilience참고 문헌 17인용 수 5

한 줄 요약

이 논문은 체계 모델 지식이 필요 없이 분산 전력 시스템 추정 루프에서 악성 데이터 조작자를 탐지하고 식별하기 위해 ADMM 및 라운드로빈 공감 기반의 네 가지 최적화 알고리즘을 제안한다. 추정 품질과 공감 진화를 추적함으로써, 알고리즘은 크고 은밀한 공격 모두를 성공적으로 탐지하며, 시뮬레이션된 IEEE 68-bus 시스템에서 정확한 진동 모드 추정을 복원한다.

ABSTRACT

In this paper we develop a set of algorithms that can detect the identities of malicious data-manipulators in distributed optimization loops for estimating oscillation modes in large power system models. The estimation is posed in terms of a consensus problem among multiple local estimators that jointly solve for the characteristic polynomial of the network model. If any of these local estimates are compromised by a malicious attacker, resulting in an incorrect value of the consensus variable, then the entire estimation loop can be destabilized. We present four iterative algorithms by which this instability can be quickly detected, and the identities of the compromised estimators can be revealed. The algorithms are solely based on the computed values of the estimates, and do not need any information about the model of the power system. Both large and covert attacks are considered. Results are illustrated using simulations of a IEEE 68-bus power system model.

연구 동기 및 목표

• 분산 광역 모니터링 시스템에서 악성 에이전트를 식별하는 데 있어 열려 있는 과제를 해결한다. 특히 전력 시스템 상태 추정 분야에서.
• 체계 모델에 대한 사전 지식에 의존하지 않는 탐지 알고리즘을 개발하여 실세계 환경에 적용 가능하게 한다.
• 공감 기반 최적화를 통해 분산 추정 루프에서 대규모 및 은밀한 데이터 조작 공격에 대비한 내성성을 확보한다.
• 손상된 추정기들을 격리한 후에도 악성 아님을 입증한 에이전트들이 계속 작동할 수 있도록 하여, 공격 상황에서도 추정 정확성을 유지한다.

제안 방법

• 전력 시스템 진동 모드의 특성 다항식을 추정하기 위해 분산 공감 문제를 해결하기 위해 교대 방향 승수법(ADMM)을 사용한다.
• 표준 ADMM와 라운드로빈 ADMM의 공감 변수 간의 차이를 모니터링하는 이중 추적 메커니즘을 구현하여 추정기 행동의 이질성을 탐지한다.
• 전체 평균화에 비해 계산 부담을 줄이기 위해 순차적 통신을 사용하는 라운드로빈(RR-ADMM) 전략을 적용하여 공감 값을 생성한다.
• 공감 변수와 이중 변수의 진화를 기반으로 한 탐지 논리를 도입하여, 이격 패턴을 통해 손상된 국지적 추정기들을 식별한다.
• 추정 품질과 공감 수렴도를 반복적으로 비교하여, 모델 파rameter가 필요 없이 악성 PDC(파형 데이터 집중기)를 격리한다.
• ADMM와 RR-ADMM의 수렴 성질을 활용하여, 작은 공격이나 도용 공격 상황에서도 양호한 행동과 악성 행동을 구분할 수 있다.

실험 결과

연구 질문

• RQ1 체계 모델에 대한 사전 지식 없이 분산 전력 시스템 추정 루프에서 악성 데이터 조작자를 어떻게 탐지할 수 있는가?
• RQ2 라운드로빈 ADMM 변종은 표준 ADMM 대비 공격 탐지에서 탐지 정확도를 높이고 계산 비용을 줄일 수 있는가?
• RQ3 제안된 알고리즘이 광역 모니터링 환경에서 국지적 추정기들을 대상으로 한 대규모 및 은밀한 공격을 얼마나 효과적으로 식별할 수 있는가?
• RQ4 악성 추정기들을 탐지하고 격리하는 것이 전체 진동 모드 추정 과정의 수렴성과 정확성에 어떤 영향을 미치는가?
• RQ5 이 탐지 메커니즘은 진동 모니터링을 초월한 전력 시스템 내 다른 분산 최적화 문제에 일반화될 수 있는가?

주요 결과

• 제안된 알고리즘은 시뮬레이션된 IEEE 68-bus 시스템에서 작동 중이더라도 작은 편향을 가진 은밀한 공격 상황에서도 악성 PDC를 성공적으로 탐지하고 식별한다.
• RR-ADMM 기반 탐지 기법은 표준 ADMM 대비 매개변수 변동(예: 벌점 매개변수 ρ)에 대해 더 뛰어난 내성성을 보이며, 다양한 설정에서 안정적인 탐지 성능을 유지한다.
• 제7회차에서 악성 PDC 2번과 3번을 탐지하고 격리한 후, 유일하게 악성 아님을 입증한 PDC들만을 사용하여 상호 영역 모드 실수부(σi)의 추정이 진짜 값으로 수렴하였다.
• 공감 진화와 이중 변수 추적 기반의 탐지 메커니즘은 모델 특화 정보가 없이도 손상된 추정기들을 정확히 식별할 수 있다.
• 악성 추정기들을 탐지한 후에도 신뢰할 수 있는 비악성 추정기들만을 대상으로 ADMM를 계속 수행함으로써 추정 정확성을 유지하여 장기적인 신뢰성 있는 운영을 보장한다.
• 시뮬레이션 결과는 대규모 및 소규모 공격 모두 탐지 가능하며, 악성 노드를 격리한 후로도 정확한 고유값 추정이 복원됨을 확인한다.