عنوان پایان‌نامه
تحلیل امنیت و مقاوم سازی شبکه های هوشمند انرژی درحضور داده های نامعتبر
- رشته تحصیلی
- مهندسی برق - مخابرات - رمز
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2953;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75170;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2953;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75170
- تاریخ دفاع
- ۱۰ مرداد ۱۳۹۵
- دانشجو
- رضا حسنی اعتماد
- چکیده
- تخمین حالت یکی از قسمت‌های کلیدی واحد سیستم مدیریت انرژی در شبکه های هوشمند انرژی می‌باشد، به طوری‌که بسیاری از فرآیندهای کنترلی و مدیریتی در سیستم مدیریت انرژی به آن وابسته می‌باشند. تخمین حالت متغیرهای حالت نامعلوم موجود در شبکه (اندازه و فاز ولتاژ باس‌ها) را با استفاده از اندازه گیری‌های انجام شده از سطح شبکه، به‌دست می‌آورد. از طرفی با توجه به محدودیت‌های مخابراتی، دشوار بودن محاسبات ونیاز به قابلیت اطمینان بالا تخمین حالت توزیع شده بسیار ضروری می‌باشد. از طرفی روش بهینه‌سازی ADMM یک روش ساده در عین‌حال بسیار قدرت‌مند است که برای حل مسائل بهینه‌سازی توزیع‌شده محدب بسیار مناسب می‌باشد. روش ADMM در بسیاری از مسائل آمار کاربردی و یادگیری ماشین سرعت همگرایی سریعی از خود نشان می‌دهد. در این تحقیق ابتدا الگوریتمی برای تخمین حالت توزیع‌شده در شبکه‌های هوشمند انرژی بر پایه‌ی بهینه‌سازی اجماعی توزیع‌شده و روش ADMMبیان خواهیم کرد. این الگوریتم در هر ناحیه همه‌ی متغیرهای حالت شبکه را تخمین می‌زند و نیازی به مشاهده‌پذیری محلی برای همگرایی ندارد. علاوه‌براین توپولوژی شبکه مخابراتی مستقل از توپولوژی شبکه قدرت می‌تواند در نظر گرفته شود. در بخش بعدی این الگوریتم را در برابر دسته خطرناکی از حملات تزریق داده نامعتبر مقاوم ساختیم. الگوریتم پیشنهادی در صورت داشتن مشاهده‌پذیری سراسری، در صورتی که مشاهده‌پذیری محلی نسبت به برخی ناحیه‌ها برقرار نباشد هم متغیرهای سراسری را با دقت مناسبی تخمین می‌زند. علاوه‌براین برای یک شبکه قدرت مشخص قابلیت استفاده برای توپولوژی‌های شبکه مخابراتی مختلف را دارا می‌باشد. روش بهینه‌سازی FADMMنسخه‌ی سریع‌تر شده روش ADMMمی‌باشد که سرعت همگرایی بالاتری دارد.در بخش بعدی یک الگوریتم بهینه‌سازی توزیع‌شده بر پایه‌ی روش FADMMارائه خواهیم کرد که به صورت کاملا توزیع شده مسائل بهینه‌سازی اجماعی محدب را حل می‌کند. سپس به صورت تحلیلی اثبات خواهیم کرد که الگوریتم پیشنهادی به جواب بهینه همگرا خواهد شد. بر اساس این الگوریتم پیشنهادی، تخمین حالت اجماعی توزیع‌شده سریع ارائه خواهد شد که نسبت به الگوریتم قسمت قبل عملکرد بهتری دارد. برای راستی آزمایی تمامی الگوریتم‌های پیشنهادی در این تحقیق از سیستم‌های استاندارد 14 و 118 باس IEEE استفاده شده است. کلمات کلیدی: شبکه‌های هوشمند انرژی، تخمین حالت، تخمین حالت توزیع‌شده، حملات تزریق داده‌ی نامعتبر، ADMM، FADMM
- Abstract
- State estimation is an essential part of energy management system in smart grid as it is a basis for many of the associated management and control processes. Owing to communication limitations, complexity of computation and reliability issues, decentralized state estimation is highly essential in smart grids. On the other hand, alternating direction method of multipliers (ADDM) is a simple but powerful optimization method which is suitable for solving distributed convex optimization problems. ADMM has a faster rate of convergence compared to conventional distributed optimization techniques in many applied statistics and machine learning problems. In this research, we first present a decentralized state estimation approach in smart grids, based on consensus optimization and the ADMM that is robust against certain harsh class of false data injection schemes. The proposed scheme provides a reliable estimate of the global system state in a distributed manner even if the system is regionally unobservable to some regional controllers, but globally observable across regions. The scheme also accommodates different communication network topology designs for a given power network. In another part of this thesis, a variant of ADMM, dubbed fast ADMM (FADMM), is considered, which relies on an additional predictor-corrector step and obtains a faster rate of convergence. A fully distributed algorithm based on FADMM for convex optimization problems is presented, which is proven to converge to the optimal point for decentralized consensus optimization problems. Consequently, a fast decentralized consensus based state estimation algorithm is presented for the smart grid. Using the IEEE 14 and 118 bus test systems, detailed analysis of the performance of the proposed schemes are provided. Keywords: Smart Grid, State Estimation, Decentralized State Estimation, False Data Injection Attacks, ADMM, FADMM .
