《Sustainable Computing: Informatics and Systems》:A Graph Neural Network Framework for Cost-Effective and Cyber-Resilient Optimal Phasor Measurement Unit Placement for Sustainable Smart Grid Monitoring
编辑推荐:
随着可再生能源、先进传感技术及数字通信在电力系统中的日益融合,对具备弹性且网络安全的智能电网监测需求愈发迫切。本研究提出了一种可持续且具备网络弹性的相量测量单元(PMU)部署框架,该框架被构建为一个多目标优化问题,同时考量了网络物理攻击、经济指标及运行可持续性
随着可再生能源、先进传感技术及数字通信在电力系统中的日益融合,对具备弹性且网络安全的智能电网监测需求愈发迫切。本研究提出了一种可持续且具备网络弹性的相量测量单元(PMU)部署框架,该框架被构建为一个多目标优化问题,同时考量了网络物理攻击、经济指标及运行可持续性。研究开发了一种新颖的复合脆弱性指数(CVIndex),该指数通过混合介数中心性(HBC)整合了拓扑关键性,并融合了线路负载状况和电压稳定性指数等运行应力因素。在此基础上,提出了一种母线级风险聚合模型,通过整合网络威胁概率、网络碎片化影响及运行稳定性因素来量化攻击暴露度,从而实现针对最大安全性的目标 PMU 部署。为解决这一复杂优化问题,研究提出了一种新颖的图神经网络(GNN),旨在最小化经济支出的同时,最大化系统在面临网络威胁时的弹性。所提方法应用于 IEEE 14 节点、IEEE 30 节点及 IEEE 118 节点测试系统以评估其有效性。结果表明,与进化技术相比,该方法能够通过提供多种解决方案,以低 15% 的经济成本将系统弹性提升约 45%。
在现代电力系统快速演进的背景下,可再生能源的接入、先进测量装置的安装以及数字通信网络的普及,对关键监测基础设施提出了严峻挑战,要求其既需具备应对运行压力的弹性,又需防范新兴的网络攻击。相量测量单元(PMU)作为现代电力系统监测与控制的核心技术,利用全球定位系统(GPS)实现广域测量的高精度时间同步,能够实时反映系统状态。然而,高昂的成本限制了 PMU 的全网覆盖,促使最优 PMU 布置(OPP)成为研究热点。现有的 OPP 研究主要分为传统优化方法与元启发式方法,前者虽能求得全局最优解但难以提供多重解,后者虽灵活却未必保证全局最优。更为关键的是,现有文献多孤立地关注可观测性或弹性,缺乏对部分 PMU 失效、通信约束及协同隐蔽攻击模型下的联合权衡,且鲜少将网络安全与可持续计算原则相结合,忽视了能源效率与全生命周期成本优化。针对上述空白,研究人员在《Sustainable Computing: Informatics and Systems》期刊上发表了一项重要研究,提出了一种基于图神经网络(GNN)的可持续计算框架,用于实现具备网络弹性的 PMU 部署。该研究旨在通过多目标优化,在最小化经济支出的同时,最大化系统抵御协同虚假数据注入攻击(FDIA)的能力,为构建经济可行且安全可靠的智能电网提供了理论依据与技术支撑。
为开展此项研究,研究人员采用了一系列关键的技术方法。首先,研究基于 IEEE 14 节点、IEEE 30 节点及 IEEE 118 节点标准测试系统构建仿真环境,未涉及具体生物试剂或质粒构建,而是侧重于电力系统拓扑建模与算法验证。核心技术包括:构建了一种新颖的复合脆弱性指数(CVIndex),该指数创新性地将基于混合介数中心性(HBC)的拓扑关键性与线路负载、电压稳定性等运行应力因子相结合;建立了母线级风险聚合模型,通过传播线路级脆弱性并考虑电压应力因子和负载类型分类,量化网络攻击暴露度;设计了包含设备采购、安装倍增系数、调试费用、现值维护计算及地理成本因子的全生命周期成本框架;开发了一种基于 GNN 的启发式优化算法,用于求解兼顾经济性与弹性的多目标优化问题;最后,利用控制器硬件在环(CHIL)仿真平台对部署方案进行了实际可行性验证。
研究结果部分详细展示了所提框架的有效性与优越性。
在“问题表述与系统建模”部分,研究人员将电力网络建模为无向连通无权图,明确了以最小 PMU 数量实现全网可观测的目标,并定义了相应的邻接矩阵与拓扑结构。
在“实现框架”部分,研究展示了如何系统性地处理系统数据、评估脆弱性并优化布置方案,确保了部署的高效性与可扩展性。
在“结果与讨论”部分,仿真结果显示,所提出的 GNN 方法在三个 IEEE 测试系统上均表现优异。参数设置为 2 层网络、500 次试验及 2.5 的 Softmax 温度。结果表明,相较于二进制青蒿素优化(BAO)、二进制教育竞赛优化(BECO)等五种进化算法,该方法能以更低的经济成本(降低约 15%)实现更高的系统弹性(提升约 45%),并能提供多样化的解决方案供决策者选择。
在“虚假数据注入攻击下的网络弹性评估”部分,研究通过在 IEEE 14 节点系统上模拟攻击者掌握系统运行状态及部分测量设备权限的情景,验证了所提策略在防御 FDIA 方面的有效性,证明了优化后的 PMU 布置能有效遏制攻击对状态估计的影响。
在“基于控制器硬件在环(CHIL)设置的验证”部分,利用 MATLAB/Simulink 模型构建的 CHIL 平台进一步证实了理论部署方案在实际物理系统中的可行性与鲁棒性。
在“与进化算法的性能对比分析”部分,从解的质量、一致性、多样性及收敛速度等维度进行了量化比较,确立了 GNN 方法的显著优势。
在“敏感性分析”部分,通过对混合介数中心性(HBC)等风险分量赋予不同权重,研究了各分量对 PMU 选址决策的相对影响,证实了综合考量多重风险因子的必要性。
最后,在讨论与结论部分,研究人员总结道,本研究成功提出并验证了一种新颖的具备网络弹性意识的 PMU 布置框架。该框架利用 GNN 启发式算法,通过整合混合介数中心性、线路负载指数、经济指标及电压稳定性措施,构建了统一的复合脆弱性指数。研究不仅解决了传统方法难以兼顾经济性与安全性的难题,还通过引入全生命周期成本分析,响应了可持续计算的号召。结论强调,所提方法在 IEEE 多个测试系统中的表现证明了其在提升系统抵御针对性网络物理攻击能力方面的卓越性能,同时显著降低了部署成本,为未来智能电网的安全、经济、可持续发展提供了重要的技术路径。