[论文解读] Identification of the K-most Vulnerable Entities in a Smart Grid System

Sohini Roy, Arunabha Sen|arXiv (Cornell University)|Aug 18, 2020

Smart Grid Security and Resilience参考文献 7被引用 5

一句话总结

本文提出一种基于混合整数线性规划（ILP）的方法，利用改进的蕴含依赖模型（MIIM）识别智能电网系统中K个最脆弱的实体。MIIM通过多值布尔逻辑方程建模多层电力与通信网络之间的依赖关系。在IEEE 14-Bus系统上的仿真结果表明，MIIM在准确预测关键实体故障引发的网络损毁方面优于其前身IIM模型。

ABSTRACT

A smart grid system can be considered as a multi-layered network with power network in one layer and communication network in the other. The entities in both the layers exhibit complex intra-and-interdependencies between them. A reliable decision making by the smart grid operator is contingent upon correct analysis of such dependencies between its entities and also on accurate identification of the most critical entities in the system. The Modified Implicative Interdependency Model (MIIM) [1] successfully captures such dependencies using multi-valued Boolean Logic based equations called Interdependency Relations (IDRs) after most of the existing models made failed attempts in doing that. In this paper, for any given integer K, this model is used to identify the K-most vulnerable entities in a smart grid, failure of which can maximize the network damage. Owing to the problem being NP complete, an Integer Linear Programming (ILP) based solution is given here. Validation of the model [1] and the results of the ILP based solution is done by simulating a smart grid system of IEEE 14-Bus using MATPOWER and Java Network Simulator (JNS). Simulation results prove that not only the model MIIM [1] is correct but also it can predict the network damage for failure of K-most vulnerable entities more accurately than its predecessor Implicative Interdependency Model (IIM) [2].

研究动机与目标

• 为解决在电力与通信网络相互依赖的多层智能电网系统中，识别最关键实体的挑战。
• 克服先前模型在准确捕捉智能电网中复杂层内与层间依赖关系方面的局限性。
• 开发一种可扩展且精确的方法，用于识别导致最大网络损毁的K个实体。
• 通过真实智能电网系统的仿真验证所提出的基于ILP的解决方案。
• 展示改进的蕴含依赖模型（MIIM）在脆弱性预测方面优于原始蕴含依赖模型（IIM）的优越性。

提出的方法

• 利用改进的蕴含依赖模型（MIIM）通过多值布尔逻辑方程（即依赖关系，IDRs）表示电力与通信网络实体之间的依赖关系。
• 将智能电网建模为双层网络：一层为电力系统（采用IEEE 14-Bus测试系统），另一层为通信网络。
• 应用混合整数线性规划（ILP）求解识别K个最脆弱实体的NP完全问题，以最大化系统损毁。
• 使用MATPOWER进行电力系统仿真，利用Java网络仿真器（JNS）模拟通信网络动态及其依赖关系。
• 集成系统级故障影响指标，基于跨层级联故障传播量化网络损毁程度。
• 通过模拟K个最脆弱实体的故障并对比预测损毁与实际结果，验证模型。

实验结果

研究问题

• RQ1 如何识别多层智能电网系统中最关键的实体，以在故障发生时最大化系统损毁？
• RQ2 改进的蕴含依赖模型（MIIM）在捕捉依赖关系方面相较于原始蕴含依赖模型（IIM）的改进程度如何？
• RQ3 基于ILP的方法能否有效解决识别智能电网中K个最脆弱实体的NP完全问题？
• RQ4 在模拟故障场景下，MIIM与IIM相比在预测网络损毁方面的准确性如何？
• RQ5 电力与通信网络之间的依赖关系对系统整体脆弱性有何影响？

主要发现

• 基于ILP的解决方案能够以高计算效率成功识别智能电网系统中K个最脆弱的实体。
• 在IEEE 14-Bus系统上的仿真结果表明，MIIM能准确建模电力与通信网络之间复杂的依赖关系。
• MIIM在预测K个最脆弱实体故障引发的网络损毁方面，精度高于原始IIM模型。
• 该模型在捕捉跨相互依赖层的级联故障传播方面表现出强健性。
• 通过MATPOWER与JNS的验证结果确认了所提方法的可靠性和可扩展性。
• 结果表明，仅少数经过精心选择的实体故障即可引发显著的系统性损毁，凸显了脆弱性评估的重要性。