ارائۀ یک روش برای ارزیابی جامع وابستگی‌های جغرافیایی و فیزیکی سیستم اندازه‌گیری ناحیۀ گسترده در شبکه‌های هوشمند الکتریکی

نویسندگان

1 دانشکده مهندسی گرگان، دانشگاه گلستان

2 دانشگاه پیرائوس

چکیده

سیستم‌های اندازه‌گیری ناحیۀ گسترده (WAMS) با ترکیب دستگاه‌های اندازه‌گیری دیجیتال، سیستم‌های ارتباطی و کنترل، نظارت و کنترل زمان واقعی شبکه‌های هوشمند را امکان‌پذیر می‌کند. از آنجا که WAMS متشکل از زیرساخت‌های مختلف است، وابستگی‌های پیچیده‌ای بین سیستم‌های زیربنایی و اجزای مختلف آن وجود دارد که شامل وابستگی‌های سایبری، فیزیکی و جغرافیایی هستند. اگرچه پژوهش‌های متعددی در این زمینۀ تحقیقاتی خاص وجود دارد که به بررسی وابستگی‌های سایبری می‌پردازد، اما انواع دیگر وابستگی‌ها مانند وابستگی‌های جغرافیایی مورد مطالعه قرار نگرفته است. افزون بر این، تاکنون روش‌های مدل‌سازی وابستگی که قابلیت مدل‌سازی هم‌زمان انواع مختلف وابستگی را برای WAMS دارا باشد پیشنهاد نشده است. هدف اصلی این مقاله مدل‌سازی همزمان وابستگی‌های جغرافیایی و فیزیکی زیرساخت‌های WAMS بر اساس قوانین ساده و کاملاً مشخص است. ما یک تابع چگالی احتمال را برای کمی کردن وابستگی‌ها تعریف کرده‌ایم. چنین رویکرد یکپارچه‌ای می‌تواند طراحی زیرساخت‌های WAMS را به‌گونه‌ای انجام دهد که ذاتاً در برابر اختلالات ناشی از انواع رویدادهای ناخواسته (که ممکن است بر اجزای وابسته به جغرافیای WAMS تأثیر بگذارند) مقاوم‌تر باشند. از طریق شبیه‌سازی، کاربرد روش پیشنهادی نشان داده‌ شده است.

کلیدواژه‌ها


[1] Shahraeini, M., and Kotzanikolaou, P. "A dependency analysismodel for resilient wide area measurement systems in smart grid", IEEE Journal on Selected Areas in Communications, Vol. 38, No. 1, pp.156–168, 2019. [2] Shahraeini, M., and Farmani, Z. "Designing of communication systems in advanced metering infrastructure (ami) using wi-fi offloading technology", in 2019 9th International Conference on Computer and Knowledge Engineering (ICCKE), pp. 60–66, 2019. [3] Shahraeini, M., and Javidi, M. H. "Wide area measurement systems", Advanced topics in measurements, pp. 303–322, 2012. [4] Shahraeini, M., Ghazizadeh, M. S., and Javidi, M. H. "Co-optimal placement of measurement devices and their related communication infrastructure in wide area measurement systems", IEEE Transactions on Smart Grid, Vol. 3, No. 2, pp. 684–691, 2012. [5] Shahraeini, M., Javidi, M. H., and Ghazizadeh, M. "A new approach for classification of data transmission media in power systems", in 2010 International Conference on Power System Technology. IEEE, pp. 1–7, 2010. [6] Rinaldi, S. M., Peerenboom, J. P., and Kelly, T. K. "Identifying, understanding, and analyzing critical infrastructure interdependencies", IEEE control systems magazine, Vol. 21, No. 6, pp. 11–25, 2001. [7] Shahraeini, M., and Kotzanikolaou, P. "Towards an unified dependency analysis methodology for wide area measurement systems in smart grids", in 2020 10th Smart Grid Conference (SGC 2020). IEEE, pp. 1–6, 2020. [8] Shahraeini, M., and Javidi, M. H. "A survey on topological observability of power systems", in 2011 IEEE Power Engineering and Automation Conference, Vol. 3. IEEE, pp. 373–376, 2011. [9] Shahraeini, M., Alvandi, A., and Khormali, S. "Behavior analysis of random power graphs for optimal pmu placement in smart grids", in 2020 10th International Conference on Computer and Knowledge Engineering (ICCKE), pp. 107–112, 2020. [10] Abur, A. Power System State Estimation: Theory and Implementation (Power Engineering (Willis)). CRC Press, mar 2004. [Online]. Available: https://www.xarg.org/ref/a/0824755707/ [11] Freeman, L. C. "Centrality in social networks conceptual clarification", Social networks, Vol. 1, No. 3, pp. 215–239, 1978. [12] Shahraeini, M., and Kotzanikolaou, P. "Resilience in wide area monitoring systems for smart grids", in Power Systems. Springer International Publishing, pp. 555–569, Sep.2020. [13] Stergiopoulos, G., Theocharidou, M., Kotzanikolaou, P., and Gritzalis, D. "Using centrality measures in dependency risk graphs for efficient risk mitigation", in International Conference on Critical Infrastructure Protection. Springer, pp. 299–314, 2015,. [14] Stergiopoulos, G., Theocharidou, M., Kotzanikolaou, P., and Gritzalis, D. "Risk mitigation strategies for critical infrastructures based on graph centrality analysis", International Journal of Critical Infrastructure Protection, Vol. 10, pp. 34–44, 2015. [15] Pagani, G. A., and Aiello, M. "The power grid as a complex network: a survey", Physica A: Statistical Mechanics and its Applications, Vol. 392, No. 11, pp. 2688–2700, 2013. [16] Hoser, B., and Geyer-Schulz, A. "Eigenspectral analysis of hermitian adjacency matrices for the analysis of group substructures", Journal of Mathematical Sociology, Vol. 29, No. 4, pp. 265–294, 2005. [17] S´anchez, J., Caire, R., and Hadjsaid, N. "Application of hermitian adjacency matrices for coupled infrastructures interdependencies analysis", in IEEE PES ISGT Europe 2013. IEEE, pp. 1–5, 2013. [18] Luiijf, E., Nieuwenhuijs, A., Klaver, M., van Eeten, M., and Cruz, E. "Empirical findings on critical infrastructure dependencies in Europe", in International Workshop on Critical Information Infrastructures Security. Springer, 2008, pp. 302–310. [19] Wang, Z., Scaglione, A., and Thomas, R. J. "Electrical centrality measures for power grids", in Control and Optimization Methods for Electric Smart Grids. Springer, 2012, pp. 239–255. [20] DeGroot, M. H., and Schervish, M. J., "Probability and statistics", 2012. [21] Stellios, I., Kotzanikolaou, P., Psarakis, M., Alcaraz, C., and Lopez, J. "A survey of IoT-enabled cyberattacks: Assessing attack paths to critical infrastructures and services", IEEE Communications Surveys & Tutorials, Vol. 20, No. 4, pp. 3453–3495, 2018. [22] Shahraeini, M., Javidi, M.H. and Ghazizadeh, M.S. "Communication infrastructure planning for wide area measurement systems in power systems", International Journal of Communication Networks and Distributed Systems, Vol. 10, No. 4, pp. 319-334, 2013.