← 返回
基于学习的电力变换器执行器FDI攻击下弹性FCS-MPC控制
Learning-Based Resilient FCS-MPC for Power Converters Under Actuator FDI Attacks
| 作者 | Xing Liu · Lin Qiu · José Rodríguez · Kui Wang · Yongdong Li · Youtong Fang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2024年10月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 模型预测控制MPC 机器学习 故障诊断 储能变流器PCS 光伏逆变器 |
| 相关度评分 | ★★★★★ 5.0 / 5.0 |
| 关键词 | FCS-MPC 弹性控制 FDI攻击 事件触发机制 电力变换器 机器学习 鲁棒性 |
语言:
中文摘要
本文提出了一种基于学习的弹性预测控制框架，结合变步长事件触发机制，旨在应对执行器虚假数据注入（FDI）攻击，减少不必要的触发事件并提升系统鲁棒性。该方法通过优化控制策略，有效改善了系统在遭受攻击及参数扰动下的动态性能。
English Abstract
In this literature, we concentrate on investigating a learning-based resilient predictive control framework using variable-step event-triggered mechanism, which aims to avoid unnecessary events and enhance the system robustness subject to actuator false data injection (FDI) attacks. To be more precise, to improve the robust performance of the controlled system under both actuator attacks and param...
S
SunView 深度解读
该研究针对电力电子变换器的网络安全与鲁棒控制，对阳光电源的核心产品线具有重要价值。随着光伏逆变器和PowerTitan/PowerStack储能系统在电网中渗透率提升，系统面临的网络安全威胁（如FDI攻击）日益严峻。该基于学习的弹性FCS-MPC控制策略，能够显著提升设备在复杂电网环境下的抗干扰能力和安全性。建议研发团队将其引入iSolarCloud智能运维平台及PCS控制算法中，通过事件触发机制降低计算负载，同时增强设备在极端工况下的可靠性，为构网型（GFM）储能系统提供更强的网络安全防护支撑。