基于深度学习和 LORA 技术的微电网的网络物理架构
原文约600字，阅读约需2分钟。发表于：。本研究提出了一种用于安全社交运行的隔离混合微电网（HMGs）的网络物理结构。在物理层面上，提出了考虑各种可再生能源（RESs）和基于化石燃料的分布式发电装置（DGs）的最优调度方案。关于 MG 的网络层，引入了基于低功率广域 (LORA) 技术的无线架构，用于智能电网中的高级计量基础设施（AMI）。在所提出的架构中，详细描述了 LORA 数据帧，并针对考虑 DGs 和 AC-DC 变换器的智能电表应用进行了设计。此外，由于智能电网的网络层容易受到网络攻击的影响，本研究提出了一种基于双向长短期记忆（BLSTM）和顺序假设检验（SHT）的基于深度学习的网络攻击检测模型（CADM），用于在 AMI 内检测对智能电表的虚假数据注入攻击（FDIA）。使用 IEEE 33 节点测试系统评估了所提出的能量管理架构的性能。为了研究 FDIA 对隔离 HMGs 的影响，并凸显网络层和物理层之间的相互作用，在测试系统上发起了一次 FDIA。结果表明，成功的攻击可以严重破坏系统并导致大规模负荷削减。还使用真实世界数据集测试了所提出的 CADM 的性能。结果证明了所提出的 CADM 仅使用两个样本就能有效检测攻击的效果。
本研究提出了一种用于安全社交运行的隔离混合微电网（HMGs）的网络物理结构。在物理层面上，提出了考虑各种可再生能源和基于化石燃料的分布式发电装置的最优调度方案。关于MG的网络层，引入了基于LORA技术的无线架构，用于智能电网中的高级计量基础设施。此外，本研究提出了一种基于深度学习的网络攻击检测模型（CADM），用于在AMI内检测对智能电表的虚假数据注入攻击。使用IEEE 33节点测试系统评估了所提出的能量管理架构的性能。结果表明，成功的攻击可以严重破坏系统并导致大规模负荷削减。还使用真实世界数据集测试了所提出的CADM的性能。结果证明了所提出的CADM仅使用两个样本就能有效检测攻击的效果。
