Jagendra Kumar Narang · Baidyanath Bag · IEEE Transactions on Industry Applications · 2025年8月

尽管现有无模型虚假数据攻击（MFFDA）方法成功率较高，但在大规模可再生能源接入的电力系统中，其针对状态估计（SE）的性能存疑。这些方法缺乏稀疏性，且未考虑发电机和零注入母线情况，容易被控制中心检测到。可再生能源带来的不确定性增加，进一步提高了被检测的风险。本文评估了状态估计在先进无模型虚假数据攻击下的安全性。我们提出了一种结合物理模型与深度学习的自编码器 - 生成对抗网络（AE - GAN）框架，用于捕捉测量数据的内在变异性并生成攻击数据。基于自编码器的代理状态估计模型考虑了不确定测量数据的时...

解读: 该研究揭示的虚假数据攻击机制对阳光电源储能及光伏系统的网络安全防护具有重要警示价值。针对ST系列储能变流器和PowerTitan大型储能系统，需在iSolarCloud云平台中强化状态估计数据的物理一致性校验，建立基于功率平衡、电压约束的多维度异常检测机制。对于SG系列光伏逆变器的1500V系统，应...