تشخیص و جبران حملات سایبری در ریزشبکه های DC با استفاده از فیلتر کالمن مکعبی و مشاهده گر غیرخطی ورودی ناشناخته

در این مقاله، یک روش نوین برای تشخیص و جبران حملات سایبری در ریزشبکه های DC ارائه شده است. رویکرد پیشنهادی ترکیبی از فیلتر کالمن مکعبی و مشاهده گر غیرخطی ورودی ناشناخته را به کار می گیرد تا به طور هم زمان تخمین متغیرهای حالت و شناسایی سیگنال های نفوذ مخرب را امکان پذیر سازد. ابتدا، مدل دینامیکی ریزشبکه همراه با عدم قطعیت های ناشی از حملات سایبری در نظر گرفته شده است. سپس، فیلتر کالمن مکعبی دقت تخمین متغیرهای سیستم را افزایش داده و مشاهده گر غیرخطی برای بازسازی سیگنال های مخرب طراحی شده است. برای ارزیابی روش پیشنهادی، شبیه سازی هایی در یک ریزشبکه DC با حملات سایبری متداول انجام شده است. نتایج نشان می دهد که روش پیشنهادی حملات را با دقت ۹۳.۲٪ شناسایی می کند، در حالی که فیلتر کالمن توسعه یافته تنها ۸۴.۵٪ دقت دارد. همچنین، خطای بازسازی حملات ۲۷٪ کاهش یافته و پایداری دینامیکی سیستم ۱۴٪ بهبود یافته است. نتایج نشان می دهد که ترکیب فیلتر کالمن مکعبی و مشاهده گر غیرخطی یک راهکار مقاوم و کارآمد برای افزایش تاب آوری ریزشبکه های DC در برابر حملات سایبری ارائه می دهد. این روش می تواند به عنوان یک چارچوب عمومی برای افزایش امنیت سایبری در شبکه های قدرت مدرن و سیستم های توزیع انرژی به کار گرفته شود.

کلیدواژه ها:

Cybersecurity ، DC Microgrids ، Cubature Kalman Filter ، Nonlinear Observer ، Cyber-Attack Detection ، System Resilience. ، امنیت سایبری ، ریزشبکه های DC ، فیلتر کالمن مکعبی ، مشاهده گر غیرخطی ، شناسایی حملات سایبری ، تاب آوری سیستم های قدرت.