مهرداد طرفدارحق - دانشگاه تبریز- گروه برق و قدرت
کامران تقی زاد توانا - دانشگاه تبریز- گروه برق و قدرت
پریسا جعفری - دانشگاه تبریز- گروه برق و قدرت
مهشید قلاتی - دانشگاه تبریز- گروه برق و قدرت

سیستم های قدرت هوشمند روز به روز گسترده تر شده و گسترش این سیستم ها باعث پیشرفته شدن و به سمت دیجیتالی و کامپیوتری شدن این تجهیزات می رود. بنابراین،قابلیت اطمینان و امنیت این شبکه ها با تهدیدات گسترده ای مواجه شده است. حملات فیزیکی و سایبری از جمله تهدیدهای اساسی هستند که با روش های متفاوتی جهت ایجاد وقفه در تولید، انتقال و توزیع برق و همچنین دستکاری داده های ارسالی انجام میشود که برای تامین امنیت و جلوگیری از آسیب های احتمالی باید این حملات را شناسایی و برای مقابله با آن ها آماده شد. در این میان حملات تزریق داده نادرست، دستهی اصلی حملات را با تاثیرات متنوع روی شبکه قدرت تشکیل میدهد که با دستکاری داده های واحد های اندازهگیری و تزریق داده های غلط به پارامترهای شبکه در حین ارسال به مرکز کنترل، مسائل تخمین حالت و بهره برداری ایمن با مشکل مواجه میشود. همچنین در این مقاله به بررسی دو ابزار قدرتمند مشابه اما متفاوت که عبارتند از هوش مصنوعی و یادگیری ماشین، در شناسایی حملات احتمالی پرداخته شده است.

تخمین حالت،قابلیت اطمینان،حملات فیزیکی سایبری،داده بد