Estimación robusta de estados en redes eléctricas utilizando redes neuronales adversarias

Título

Estimación robusta de estados en redes eléctricas utilizando redes neuronales adversarias

Colaborador

Messina, Francisco
Rey Vega, Leonardo

Editor

Universidad de Buenos Aires. Facultad de Ingeniería

Fecha

2023-11-09

Extensión

101 p.

Resumen

En los últimos años son diversas las razones que impulsan la evolución de las redes eléctricas, especialmente el incremento de interconexiones complejas, la incorporación de energías renovables y nuevos modelos de generación y distribución. Conforme au menta la complejidad de estos sistemas, mayor es la dependencia del buen funciona miento del sistema con la estimación del estado de la red. Por lo tanto, resulta de vital importancia el estudio de la robustez de la estimación frente a perturbaciones en las mediciones. De las perturbaciones que puede sufrir una red eléctrica, el peor caso y por lo tanto el de mayor interés es el del ciberataque. Por estas razones, se decidió que el objetivo de este trabajo final sea el de desarrollar un estimador de estados de redes eléctricas de potencia que resulte robusto frente a ciberataques, alteraciones malicio sas de las mediciones de la red. Para implementar este estimador, se utilizará una red neuronal entrenada en una configuración adversaria, inspirada en el concepto de Gene rative Adversarial Networks, siendo el segundo sistema partícipe del juego un atacante. Se espera que esta configuración permita entrenar un estimador que corrija o mitigue los errores provocados por el ataque, para lo cual se utilizará la técnica de dropout en el entrenamiento del estimador. Los ataques objeto de estudio serán principalmente aquellos calificados como weak attack. La novedad del trabajo respecto a otros trabajos de investigación en el tema reside en dos aspectos. En primer lugar, es nuevo el objetivo de diseñar un estimador de estados que pueda mitigar el daño de los weak attack en el procesamiento de la señal, cuando la mayoría de los trabajos anteriores se enfocaron en el régimen de strong attack. Además, el procedimiento y la arquitectura utilizados se diseñaron específicamente para este trabajo. Si bien están inspirados en técnicas del área de deep learning y en trabajos previos, la solución completa al problema es origi nal. Para evaluar la utilidad de la solución diseñada, se realizan pruebas sobre las redes IEEE14 e IEEE30. Los resultados obtenidos demuestran que, bajo ciertas condiciones e hipótesis previas, el diseño presentado permite diseñar un estimador más robusto que uno estándar.