Detecting False Data Injection and Unstable Operation in Smart Grid via System-Aware Graph Boundary Learning
该论文针对网络物理电力系统(智能电网)中两个长期被割裂处理的问题——稳定性预测与虚假数据注入(FDI)攻击检测——提出了统一的图学习框架 StarGNN。研究背景是:现代电网越来越多地依赖数据驱动工具来识别不稳定运行状态并支撑可靠调度,但真
#smart-grid
共收录 6 条相关情报。
← 返回所有主题Cybersecurity in Power Grids: Standards and Research Challenges
本文是一篇面向智能电网（Smart Grid）网络安全的综述性研究论文，作者来自加泰罗尼亚地区高校与研究机构，投稿分类为 eess.SY（系统工程）。文章的核心出发点在于强调信息技术（IT）与运营技术（OT）环境之间的关键差异：IT 侧关注
FDIFormer:Protocol-Aware Transformer Learning for False Data Injection Attack Detection in Smart Grid Networks
本文提出FDIFormer，一种无需特征工程的虚假数据注入攻击检测框架，专门针对基于IEC 61850 GOOSE协议的智能电网通信。研究背景：智能电网通过通信网络和智能电子设备实现自动化运行，但互联性增加使其易受网络攻击，其中虚假数据注入
A Hybrid Intrusion Detection System for Electric Vehicle Charging Infrastructure
该论文提出了一种针对电动汽车充电基础设施（EVCS）的混合入侵检测系统（IDS）。随着电动汽车充电站接入智能电网，其管理需要复杂的数字基础设施，这扩大了攻击面，使电网和充电站面临网络攻击风险。现有EVCS入侵检测系统存在缺陷，主要因为仅关注
BT-MTD: Bus Traversal-based Moving Target Defense for Smart Grid
移动目标防御（MTD）是一种主动安全策略，通过动态改变系统参数来增强网络弹性，从而阻止攻击者获取执行隐蔽攻击所需的关键信息。本文针对智能电网场景，考虑操作员修改支路导纳以实现MTD的问题，重点研究如何以更少的支路导纳修改次数和更短的计算时间
EnThM: Energy Theft Mitigation in Smart Grids using Hierarchical Verification of Metering Data
本文提出了一种名为EnThM的轻量级、通信高效的智能电网窃电实时缓解方案。针对传统电力网络数字化转型后窃电问题依然严峻的现状，作者利用智能电网的分层基础设施结构，在配电网络的多级层次上验证计量数据的真实性。核心方法包括：对用电数据的累积平均