⚡ electrical engineering

Reliability-Gated GRU-Based Secure Control of a Nonlinear Floating Offshore Wind Turbine Under False Data Injection Attacks

تقترح هذه الورقة إطار تحكم آمن يعتمد على وحدة الذاكرة المتكررة ذات البوابة المعتمدة على الموثوقية، والذي يكتشف بفعالية هجمات حقن البيانات الزائفة ويعوض قياسات المستشعرات التالفة في توربينات الرياح البحرية العائمة غير الخطية، مما يحسن بشكل كبير من دقة تنظيم سرعة الدوار والقدرة مع الحفاظ على استقرار المنصة.

المؤلفون الأصليون: Nadir Abbas, Li-Ying Hao, Majid Ayoubi

نُشر 2026-09-04

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Nadir Abbas, Li-Ying Hao, Majid Ayoubi

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تعد مزارع الرياح البحرية من أكثر مصادر الطاقة النظيفة واعدة، وهي قادرة على تسخير الرياح القوية والمستمرة في عرض البحر. ومع ذلك، فإن الآلات التي تلتقط هذه الطاقة معقدة؛ فالتوربين الهوائي العائم لا يستقر على قاعدة صلبة، بل يطفو على منصة تتمايل وتتمايل مع الأمواج. وللحفاظ على دوران التوربين بالسرعة الصحيحة وتوليد طاقة ثابتة، يعتمد نظام التحكم كلياً على تدفق مستمر من المعلومات من المستشعرات. تقيس هذه المستشعرات سرعة دوران الشفرات، وكمية الكهرباء التي يتم إنتاجها، وحركة المنصة العائمة. وإذا تلقى نظام التحكم معلومات خاطئة، فقد يرتكب أخطاءً خطيرة، تماماً مثل سائق يحاول توجيه سيارة بينما ينظر إلى عداد سرعة معطل. ومع زيادة اتصال هذه الأنظمة بالإنترنت والشبكات الرقمية، فإنها تواجه نوعاً جديداً من التهديدات: الهجمات السيبرانية حيث يقوم المتسلل بتغيير بيانات المستشعرات سراً لخداع الآلة.

لقد طور الباحثون طريقة جديدة لحماية هذه التوربينات العائمة من هذا الخداع. وفي دراسة ركزت على نموذج غير خطي لتوربين رياح بحري عائم، أنشأ الفريق نظام أمان يعمل بمثابة مرشح ذكي لحواس الآلة. يستخدم النظام نوعاً من الذكاء الاصطناعي يُعرف باسم "الوحدة المتكررة ذات البوابة" (GRU)، وهو برنامج حاسوبي مُدرب على فهم الأنماط الطبيعية لسلوك توربين الرياح. ومن خلال التعلم من ساعات من البيانات الآمنة وغير الفاسدة، يمكن لهذا البرنامج التنبؤ بما يجب أن تكون عليه قراءات المستشعرات في أي لحظة بناءً على سرعة الرياح، وظروف الأمواج، والأوامر التي يتبعها التوربين بالفعل. وعندما تصل بيانات المستشعرات الفعلية، يقارنها النظام بتوقعه هذا؛ فإذا تطابقت الأرقام، يثق النظام في المستشعر، أما إذا تباعدت بشكل كبير، فيصنف البيانات على أنها قد تكون تعرضت للفساد بسبب هجوم.

لا تكمن ابتكارية هذا العمل في مجرد اكتشاف الكذبة، بل في كيفية إصلاح المشكلة. فمجرد استبدال قراءة مستشعر سيئة بتوقع حاسوبي يمكن أن يكون محفوفاً بالمخاطر، لأن الحاسوب قد لا يكون بنفس الكفاءة في التنبؤ بكل نوع من أنواع الحركة. على سبيل المثال، قد يكون النظام دقيقاً جداً في التنبؤ بسرعة الشفرات الدوارة، لكنه أقل دقة في التنبؤ بالميل الطفيف للمنصة العائمة الناتج عن تفاعلات الأمواج المعقدة. وإذا استبدل النظام جميع بيانات المستشعرات بتوقعاته الخاصة بشكل أعمى، فقد يتسبب دون قصد في إدخال أخطاء جديدة في المناطق التي كان فيها توقعه ضعيفاً. ولحل هذه المشكلة، قدم الباحثون "بوابة الموثوقية"؛ وهي آلية تقرر مقدار الوزن الذي يجب إعطاؤه لتوقع الحاسوب مقابل قراءة المستشعر الأصلية لكل قياس محدد. فإذا كان الحاسوب واثقاً جداً في توقعه لبيان معين، مثل سرعة الدوار، يميل النظام بقوة نحو التوقع لتصحيح البيانات. أما إذا كان أقل يقيناً، كما هو الحال مع حركة المنصة، فإن النظام يظل متحفظاً ويعتمد أكثر على المستشعر الأصلي، حيث يمزج بين المصدرين بعناوة لتجنب جعل الأمور أسوأ.

اختبر الباحثون هذا الإطار في بيئة محاكاة مصممة لمحاكاة توربين رياح عائم بقدرة 5 ميجاوات. وقد عرضوا النظام لنوع معين من الهجمات السيبرانية يسمى "حقن البيانات الزائفة"، حيث أضافوا انحيازات اصطناعية إلى قراءات سرعة الدوار، وميل المنصة، والطاقة المولدة لمدة تسعين ثانية. وأظهرت النتائج أن النظام كان فعالاً للغاية في تحديد الهجوم، حيث رصد الاختراق بدقة بلغت 97.27 بالمائة. والأهم من ذلك، نجح الأسلوب في استعادة البيانات الفاسدة؛ فعلى مستوى المستشعر، قلل النظام الخطأ في قراءات سرعة الدوار بنسبة 85.71 بالمائة، والخطأ في قراءات الطاقة المولدة بنسبة 86.33 بالمائة. كما انخفض الخطأ في ميل المنصة أيضاً، وإن كان بدرجة أقل بلغت 50.01 بالمائة، مما يعكس الصعوبة الأكبر في التنبؤ بالحركة المعقدة للمنصة العائمة.

وعندما تم تغذية هذه الإشارات المصححة مرة أخرى في نظام تحكم التوربين، تمكنت الآلة من الحفاظ على التشغيل المستقر رغم الهجوم. ووجدت الدراسة أن التوربين المحمي حافظ على سرعة الدوار وتوليد الطاقة بالقرب من أهدافهما المقصودة بشكل أكبر بكثير مما لو كان التوربين غير محمي. وتحديداً، انخفض الخطأ في سرعة الدوار والطاقة المولدة بنسبة 26.96 بالمائة مقارنة بسيناريو لم يكن فيه التوربين محمياً من الهجوم. كما اختبر الباحثون النظام ضد مستويات مختلفة من شدة الهجوم وأضافوا ضوضاء عشوائية لمحاكاة تداخل الإشارات في العالم الحقيقي. وظل الأسلوب قوياً، حيث حافظ على دقة كشف عالية وحسن أداء التحكم باستمرار عبر هذه الظروف المتنوعة.

تضمن جزء حاسم من الدراسة مقارنة هذا النهج الجديد "المعتمد على بوابة الموثوقية" مقابل أسلوب أبسط حيث يقوم النظام باستبدال أي بيانات مستشعر تعرضت للهجوم بتوقع الحاسوب بالكامل، بغض النظر عن مدى جودة ذلك التوقع. نجح الأسلوب الأبسط في إصلاح بيانات سرعة الدوار والطاقة، لكنه تسبب في جعل التحكم في حركة المنصة أقل استقراراً. وقد أكد هذا أن قرار الباحثين بأن يكونوا انتقائيين —أي الثقة في الحاسوب أكثر حيث هو قوي وأقل حيث هو ضعيف— كان ضرورياً لسلامة الآلة بشكل عام. وتخلص الدراسة إلى أنه على الرغم من أن هذه الطريقة ليست حلاً مثالياً لكل مشكلة ممكنة، مثل تقليل الإجهاد الفيزيائي على المنصة العائمة نفسها، إلا أنها توفر طبقة حيوية من الأمن؛ فهي تسمح لتوربينات الرياح العائمة بالاستمرار في العمل بأمان وكفاءة حتى عندما تتعرض مستشعراتها للخداع النشط، مما يضمن أن يظل التحول إلى الطاقة النظيفة صامداً أمام التهديدات الرقمية.

ملخص تقني: التحكم الآمن القائم على وحدة GRU المعتمدة على الموثوقية لتوربينات الرياح العائمة غير الخطية تحت هجمات حقن البيانات الزائفة

بيان المشكلة
تعمل توربينات الرياح العائمة (FOWTs) في بيئات فيزيائية-سيبرانية شديدة الترابط، حيث ترتبط الديناميكيات الهوائية، والمائية، والإنشائية ارتباطاً وثيقاً ببعضها البعض. تعتمد هذه الأنظمة بشكل كبير على التغذية الراجعة الدقيقة للمستشعرات (مثل سرعة الدوار، وميل المنصة، والطاقة المولدة) للتحكم في الحلقة المغلقة، لا سيية في المنطقة الثانية (التحكم في عزم الدوران) والمنطقة الثالثة (التحكم في زاوية ميل الشفرات). ومع ذلك، فإن توربينات الرياح العائمة عرضة لهجمات حقن البيانات الزائفة (FDI)، حيث يقوم المهاجمون بتشويه قراءات المستشعرات دون تعطيل الاتصالات أو التسبب في أعطال مادية واضحة. يمكن أن تؤدي هذه الهجمات إلى أخطاء في تقدير حالة التوربين، مما يؤدي إلى تشغيل غير فعال، أو مخاطر تتعلق بالسلامة، أو قرارات إشرافية مضللة. تعالج استراتيجيات التحكم الحالية لتوربينات الرياح العائمة الاضطرابات الفيزيائية (الاضطرابات الجوية، الأمواج) في المقام الأول، لكنها تفترض غالباً دقة بيانات المستشعرات، مما يترك فجوة في التحكم الآمن تحت هجمات المستشعرات السيبرانية-الفيزيائية. علاوة على ذلك، بينما يمكن لطرق البيانات مثل الشبكات العصبية المتكررة (RNNs) التنبؤ بقيم المستشعرات، فإن استبدال القياسات المشوهة بالتنبؤات العصبية مباشرة قد يكون غير آمن إذا تباينت دقة التنبؤ بشكل كبير عبر قنوات المستشعرات المختلفة (على سبيل المثال، من الصعب التنبؤ بحركة المنصة مقارنة بسرعة الدوار).

المنهجية
تقترح الورقة إطار عمل للتحكم الآمن يعتمد على وحدة GRU المعتمدة على بوابة الموثوقية، مصمم لنموذج مختزل غير خطي لتوربين رياح عائم بناءً على توربين NREL 5-MW المرجعي. يتكون إطار العمل من أربعة مكونات متكاملة:

التنبؤ الآمن للمستشعرات القائم على GRU: يتم تدريب شبكة الوحدة المتكررة ذات البوابة (GRU) خارج الإنترنت على بيانات تشغيلية غير معرضة للهجوم. تتنبأ الشبكة بمتجهات مستشعرات "آمنة" ( $\hat{y}_k$ ) باستخدام مدخلات تشغيلية مثل سرعة الرياح، وميزات استثارة الأمواج، وأوامر التحكم، ومؤشرات منطقة التشغيل. يتم تثبيت أوزان الشبكة أثناء التشغيل الفعلي لمنع التكيف مع البيانات المشوهة.
الكشف عن الهجوم القائم على البواقي: يقوم الكاشف بحساب الباقي ( $\rho_k$ ) بين القياسات المستلمة (المعرضة للهجوم المحتمل) ( $y^a_k$ ) وتنبؤات GRU. يتم حساب مؤشر كشف معياري ( $D_k$ )؛ وإذا تجاوز $D_k$ عتبة مشتقة من بيانات التحقق، يتم تفعيل علامة الهجوم ( $\delta_k$ ).
التعويض المعتمد على بوابة الموثوقية: هذا هو الابتكار الجوهري. بدلاً من استبدال جميع القياسات المشوهة بتنبؤات GRU بشكل أعمى، يستخدم إطار العمل بوابة موثوقية لكل قناة.
- يتم حساب كسب الموثوقية ( $g_i$ ) لكل قناة مستشعر بناءً على جذر متوسط مربع الخطأ (RMSE) في مرحلة التحقق ومقياس الإشارة.
- يتم حساب القياس المعوض ( $y^c_k$ ) كمزيج مرجح بين القياس المهاجم وتنبؤ GRU: $y^c_k = (1-\delta_k)y^a_k + \delta_k [(I_m - G)y^a_k + G\hat{y}_k]$ ، حيث $G$ هي مصفوفة الموثوقية القطرية.
- القنوات ذات الموثوقية العالية في التنبؤ (مثل سرعة الدوار والقدرة) تتلقى تصحيحاً قوياً، بينما القنوات ذات الموثوقية الأقل (مثل ميل المنصة) تتلقى تصحيحاً متحفظاً لتجنب إدخال أخطاء جديدة.
التحكم في التغذية الراجعة الآمنة: يتم تغذية المتجه المعوض في متحكم أساسي للمنطقتين الثانية والثالثة. تظل منطق المتحكم دون تغيير، لكنه يعمل على التغذية الراجعة المؤمنة، مما يضمن الحفاظ على تنظيم سرعة الدوار والقدرة حتى أثناء الهجمات.

المساهمات الرئيسية

إطار عمل للتحقق الآمن من المستشعرات: طور المؤلفون إطار عمل للتحقق الآمن من المستشعرات الموجه للتحكم باستخدام نموذج مختزل لتوربين رياح عائم. بخلاف النماذج عالية الدقة (مثل OpenFAST)، يوفر هذا النموذج بيئة تحكم غير خطية واضحة لاختبار استراتيجيات التعويض القائمة على البيانات.
متنبئ GRU مستوحى من الفيزياء وكاشف متعدد القنوات: تم تطوير متنبئ GRU لتقدير استجابات خالية من الهجوم لسرعة المولد، وميل المنصة، والقدرة، وميل الشفرات، وعزم الدوران. وبالاقتران مع كاشف يعتمد على البواقي، يحدد هذا النظام الانحرافات غير الطبيعية في المستشعرات الناتجة عن هجمات حقن البيانات الزائفة.
قانون التعويض المعتمد على بوابة الموثوقية المدفوع بالكاشف: تقدم الورقة استراتيجية تعويض تتجنب الاستبدال غير الضروري للإشارات السليمة. تعمل البوابة فقط أثناء الهجمات المكتشفة وتطبق وزناً خاصاً بكل قناة. هذا يوازن بين المقايضة بين تصحيح أخطاء المستشعرات والحفاظ على سلامة الحلقة المغلقة، خاصة للقنوات ذات عدم اليقين العالي في التنبؤ مثل حركة المنصة.
- ملاحظة: تسجل الورقة دقة كشف بلغت 97.27% وانخفاضاً في إجمالي جذر متوسط مربع الخطأ (RMSE) لمستوى المستشعر بنسبة 85.95% للإطار المقترح، مع انخفاضات محددة في القنوات: 85.71% (سرعة الدوار)، و50.01% (ميل المنصة)، و86.33% (القدرة المولدة).

النتائج
أُجريت عمليات المحاكاة على فترة زمنية مدتها 900 ثانية مع تفعيل هجمات حقن البيانات الزائفة بين 120 و210 ثانية على قنوات سرعة الدوار، وميل المنصة، والقدرة المولدة.

أداء مستوى المستشعر: حقق تعويض GRU المعتمد على بوابة الموثوقية انخفاضاً في إجمالي جذر متوسط مربع الخطأ (RMSE) بمقدار 85.95%. وبشكل محدد، انخفض خطأ سرعة الدوار بنسبة 85.71%، والقدرة المولدة بنسبة 86.33%، وميل المنصة بنسبة 50.01%. ويُعزى الانخفاض الأقل في ميل المنصة إلى صعوبة التنبؤ بديناميكيات المنصة بسبب استثارة الأمواج والاقتران غير الخطي.
أداء الحلقة المغلقة: نجح المتحكم الآمن في الحفاظ على التشغيل المستقر. مقارنة بالحالة غير المحمية المعرضة للهجوم، انخفض جذر متوسط مربع الخطأ لسرعة الدوار والقدرة المولدة بنسبة 26.96%. بلغت دقة الكشف 97.27%. ظلت استجابة ميل المنصة محدودة، مع تغير طفيف جداً في جذر متوسط مربع الخطأ (حوالي -0.86%)، مما يشير إلى أن البوابة المتحفظة منعت إدخال عدم استقرار جديد.
المتانة: تم اختبار إطار العمل ضد تسعة سيناريوهات بمدات هجوم ومستويات ضجيج متفاوتة. ظلت دقة الكشف المتوسطة عالية عند 95.07%، مع متوسط انخفاض في جذر متوسط مربع الخطأ لسرعة الدوار والقدرة بنسبة 24.10%، مما يظهر القدرة على الصمود في الظروف المضطربة.
دراسة الاستئصال (Ablation Study): أظهرت مقارنة مع استراتيجية "عدم وجود بوابة" (حيث يتم استبدال جميع القياسات المعرضة للهجوم بالكامل بتنبؤات GRU) أنه بينما قدم نهج "عدم وجود بوابة" تصحيحاً عدوانياً لسرعة الدوار والقدرة، فقد أدى إلى انحرافات أكبر في ميل المنصة بسبب أخطاء التنبؤ في تلك القناة. وفر النهج المعتمد على بوابة الموثوقية استجابة أكثر توازناً وأماناً للحلقة المغلقة.

الأهمية والادعاءات
تدعي الورقة أن التعويض التعلمي المعتمد على الموثوقية يمثل حلاً وسطاً عملياً بين رفض الهجوم وعدم اليقين في التنبؤ. وتثبت أنه من الممكن تحقيق إعادة بناء آمنة للتغذية الراجعة دون الحاجة إلى إعادة تصميم كاملة للمتحكم الأساسي. وتتجلى أهمية الطريقة في تعزيز تنظيم سرعة الدوار والقدرة مع تجنب تدهور أداء التحكم الناتج عن الاعتماد المفرط على القنوات ضعيفة التنبؤ (تحديداً حركة المنصة).

يصرح المؤلفون صراحةً أن إطار العمل هو آلية لاستعادة المستشعرات والتحكم في سرعة الدوار/القدرة، وليس متحكماً لتقليل أحمال المنصة. كما يقرون بالقيود، مشيرين إلى أن النموذج هو تمثيل مختزل ولم يتم التحقق من صحته بعد باستخدام أدوات عالية الدقة مثل OpenFAST أو منصات تجريبية. ويتم وضع هذا العمل كخطوة تأسيسية نحو عمليات تشغيل آمنة ومدعومة بالتعلم لتوربينات الرياح العائمة، مع خطط مستقبلية لمعالجة النماذج عالية الدقة، والهجمات على جانب المشغلات، وهجمات متعددة القنوات منسقة.

أبحاث مشابهة