⚡ electrical engineering

Resilient Frequency Control of Low-Inertia Smart Islanded Microgrids Under FDI Attack Using Kalman Filter Observer

Cet article propose une stratégie de contrôle de fréquence résiliente pour les micro-réseaux isolés à faible inertie face aux attaques par injection de fausses données en employant un observateur de filtre de Kalman à état augmenté pour estimer simultanément les états du système, les perturbations de charge et les signaux d'attaque, réduisant ainsi de manière significative les écarts de fréquence et les erreurs d'estimation à travers divers niveaux d'inertie.

Auteurs originaux : Mahmoud Mollayousefi Zadeh, Mohammadreza Toulabi, Gholamreza Farahani, Turaj Amraee

Publié 2026-09-09

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Mahmoud Mollayousefi Zadeh, Mohammadreza Toulabi, Gholamreza Farahani, Turaj Amraee

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le réseau électrique moderne subit une transformation silencieuse. Pendant des décennies, la stabilité du système de puissance reposait sur de massives turbines rotatives dans les centrales électriques traditionnelles. Ces machines lourdes agissaient comme un tampon naturel, une inertie physique qui maintenait le flux d'électricité fluide même lorsque la demande changeait soudainement. Aujourd'hui, cependant, le réseau est de plus en plus alimenté par des sources renouvelables comme les panneaux solaires et les éoliennes. Ces sources d'énergie propre sont excellentes, mais elles se connectent au réseau via des commutateurs électroniques plutôt que par du métal en rotation. Cela signifie qu'elles ne fournissent pas ce même poids stabilisateur et lourd. Lorsqu'un réseau électrique local, connu sous le nom de microgrid (micro-réseau), se déconnecte du réseau principal pour fonctionner de manière autonome, la perte de cette inertie physique rend le système incroyablement fragile. Un petit changement dans la demande d'énergie peut provoquer des oscillations sauvages de la fréquence de l'électricité, entraînant potentiellement une panne de courant.

À cette fragilité physique s'ajoute une vulnérabilité numérique. Pour gérer ces réseaux complexes et décentralisés, les ingénieurs s'appuient sur des capteurs intelligents et des liaisons de communication pour coordonner la production d'énergie. Cette couche numérique, bien qu'efficace, ouvre la porte aux cybermenaces. Un type d'attaque particulièrement dangereux implique un intrus injectant secrètement de fausses données dans le système de contrôle. Imaginez un pirate informatique disant au système que la fréquence est normale alors qu'elle est en train de s'effondrer, ou vice versa. Le système, croyant à ces mensonges, pourrait effectuer les mauvais ajustements, accélérant l'instabilité plutôt que de la corriger. Pour un micro-réseau à faible inertie, qui peine déjà à rester stable, une telle tromperie pourrait être catastrophique. Le défi pour les chercheurs est de créer un système capable de voir à travers ces mensonges en temps réel, en distinguant un problème réel d'un tour numérique, et de rectifier la trajectoire avant que les lumières ne s'éteignent.

Dans une étude récente, une équipe d'ingénieurs de l'Iran a abordé ce double défi de la fragilité physique et de la tromperie numérique. Ils se sont concentrés sur les micro-réseaux « isolés » — de petits réseaux électriques autonomes qui fonctionnent indépendamment du réseau principal. Leur objectif était de concevoir un observateur numérique, une sorte de gardien intelligent, capable de détecter et de neutraliser les attaques par injection de fausses données pendant que le système fonctionne. Les chercheurs ont construit un modèle mathématique d'un micro-réseau intelligent comprenant un mélange de sources d'énergie renouvelables, de stockage par batterie et de quelques générateurs traditionnels. Ils ont ensuite simulé un scénario où le système subissait une attaque. L'intrus dans leur simulation n'a pas tenté de couper les lignes de communication ; au lieu de cela, il a injecté soigneusement de faux chiffres dans les signaux de commande, tentant de tromper le système pour qu'il commette des erreurs dangereuses sans déclencher d'alarmes.

La solution développée par l'équipe repose sur un outil d'estimation sophistiqué connu sous le nom de filtre de Kalman. Considérez ce filtre comme un navigateur très expérimenté qui connaît les règles de la route mieux que quiconque. Dans ce cas, le navigateur sait exactement comment le système de puissance doit se comporter dans des conditions normales. Le filtre surveille constamment deux informations clés : la fréquence réelle de l'électricité et la puissance de sortie des générateurs. En comparant ce qu'il voit par rapport à ce qu'il attend de voir, le filtre peut repérer les incohérences. Si les chiffres ne concordent pas, le filtre suppose que quelque chose ne va pas. L'innovation dans ce travail a été d'élargir la fiche de poste du filtre. Au lieu de simplement suivre l'état du système, les chercheurs ont appris au filtre à suivre également la main invisible de l'attaquant. Il traite les fausses données comme une variable cachée, essayant d'estimer leur taille et leur forme en temps réel.

Les chercheurs ont testé cette approche dans une série de simulations rigoureuses, créant six scénarios différents pour voir comment le système tiendrait le coup. Ils ont introduit divers types d'attaques, notamment des changements lents et progressifs difficiles à repérer, des pics soudains de fausses données et des motifs ondulatoires complexes conçus pour confondre le système. Ils ont également varié les conditions physiques, testant le système lorsqu'il possédait une bonne quantité d'inertie et lorsqu'il en avait très peu, simulant un réseau presque entièrement alimenté par le solaire et l'éolien. Dans chaque cas, le filtre a été capable de distinguer les perturbations réelles, comme un changement soudain de couverture nuageuse affectant l'énergie solaire, des fausses données malveillantes injectées par l'attaquant. Il a réussi à estimer la taille de l'attaque avec une grande précision, réduisant l'erreur à une fraction infime d'une unité.

Une fois que le filtre a identifié les fausses données, le système a utilisé cette information pour les annuler. Il a soustrait le mensonge estimé du signal de commande, neutralisant efficacement l'influence de l'attaquant avant qu'il ne puisse causer des dommages. Les résultats étaient frappants. Dans les scénarios où le système restait sans protection, les écarts de fréquence étaient sévères, oscillant souvent de près de deux hertz, un niveau d'instabilité qui pourrait déclencher des arrêts de sécurité et mener à une panne totale. Avec le nouveau filtre en place, ces oscillations ont été considérablement réduites. Dans les tests les plus difficiles, impliquant des systèmes à ultra-faible inertie qui tenaient à peine debout, le filtre a réduit l'écart de fréquence de près de 49 pour cent. Il a maintenu la stabilité du système même lorsque l'inertie physique était à son minimum, une condition où les défenses traditionnelles échoueraient probablement.

L'étude a également exploré le comportement du système lorsque l'inertie physique du réseau était modifiée. Les chercheurs ont constaté que le filtre fonctionnait bien dans l'ensemble, mais qu'il était plus efficace lorsque le système était le plus vulnérable. Lorsque le réseau possédait très peu d'inertie physique, la capacité du filtre à détecter et à corriger l'attaque faisait la différence entre un réseau stable et un réseau en effondrement. La recherche suggère que si l'ajout d'une inertie virtuelle via un logiciel peut aider, cela ne suffit pas à lui seul pour arrêter un cyberattaquant déterminé. La défense numérique fournie par le filtre est essentielle pour compléter le support physique. L'équipe a conclu que cette méthode offre un moyen robuste de sécuriser l'avenir des micro-réseaux intelligents alimentés par des énergies renouvelables, garantissant qu'ils puissent fonctionner en toute sécurité même lorsque le monde physique est léger et que le monde numérique est hostile. Ce travail démontre qu'avec les bons outils mathématiques, il est possible de construire un système de puissance qui soit non seulement intelligent, mais aussi résilient face aux menaces invisibles de l'ère moderne.

Résumé Technique : Contrôle de Fréquence Résilient des Micro-réseaux Intelligents à Faible Inertie en Mode Îloté sous Attaque FDI à l'aide d'un Observateur de Filtre de Kalman

Énoncé du Problème
La pénétration croissante des ressources d'énergie renouvelable basées sur des onduleurs dans les micro-réseaux (MG) a conduit à une réduction significative de l'inertie effective du système. Bien que les micro-réseaux en mode îloté dépendent de moyens internes pour la stabilité de la fréquence, la faible inertie les rend hautement sensibles aux perturbations, caractérisées par des taux de variation de la fréquence (RoCoF) élevés et des creux de fréquence profonds. Parallèlement, la numérisation des micro-réseaux introduit des vulnérabilités cybernétiques, particulièrement dans la boucle de contrôle de fréquence secondaire, qui dépend des réseaux de communication. Les attaques par injection de fausses données (FDI) constituent une menace critique dans ce contexte ; contrairement aux attaques par déni de service (DoS), les attaques FDI manipulent furtivement les points de consigne et les mesures sans interrompre la communication, ce qui peut conduire le système vers l'instabilité. Le défi est accentué par le fait que les systèmes à faible inertie offrent un temps minimal pour la détection et la défense, et que les données de mesure dans les micro-réseaux sont souvent limitées (typiquement la fréquence et la puissance), ce qui rend difficile la distinction entre les perturbations de charge légitimes, la dynamique du système et les signaux FDI malveillants.

Méthodologie
L'article propose une stratégie de contrôle de fréquence résiliente utilisant un observateur de Filtre de Kalman (KF) à état augmenté. La méthodologie comprend les composantes clés suivantes :

Modélisation du Système : La dynamique de fréquence du micro-réseau est modélisée comme un système d'espace d'état linéaire invariant dans le temps. Le vecteur d'état comprend l'écart de fréquence ( $\Delta\omega$ ), la puissance de sortie du régulateur ( $\Delta P_m$ ) et l'état intégral du contrôleur secondaire ( $\Delta P_c$ ). Le modèle incorpore l'émulation d'inertie virtuelle au niveau du contrôle primaire et prend en compte les perturbations de charge et les attaques FDI comme des entrées exogènes.
Formulation de l'État Augmenté : Pour estimer simultanément l'attaque FDI et les perturbations de charge avec les états du système, le vecteur d'état est augmenté. Le signal d'attaque ( $FDI$ ) et la perturbation de charge ( $\Delta P_L$ ) sont traités comme des états supplémentaires avec des dynamiques à variation lente modélisées par des processus de premier ordre pilotés par un bruit blanc.
Conception de l'Observateur : Un filtre de Kalman (KF) discret est conçu à l'aide du modèle d'espace d'état augmenté. L'observateur utilise uniquement deux sorties mesurables : l'écart de fréquence et la puissance de sortie du régulateur. Le KF fonctionne via des récursions de prédiction-correction standard pour estimer le vecteur d'état augmenté.
Stratégie de Mitigation : Le signal FDI estimé est extrait de l'état augmenté et soustrait de l'entrée de contrôle secondaire. Cette compensation neutralise efficacement l'impact de l'attaque sur la dynamique du régulateur, permettant au contrôleur de ne répondre qu'aux perturbations légitimes du système.
Analyse de l'Observabilité : L'article réalise une analyse rigoureuse de l'observabilité du système augmenté. Il révèle qu'avec seulement deux mesures, le système est partiellement observable. Plus précisément, l'état intégral du contrôleur secondaire et le signal d'attaque FDI sont couplés dans le sous-espace inobservable. Le KF repose sur la connaissance de la dynamique de l'attaque (modélisée par le paramètre $\alpha_{fdi}$ ) et la covariance du bruit de processus pour discriminer les changements lents de la sortie de contrôle intégral des changements lents du signal d'attaque.

Contributions Clés

Focus sur le Fonctionnement Îloté à Faible Inertie : L'étude traite spécifiquement le scénario critique des micro-réseaux îlotés à faible inertie et sans support réseau, où les marges de stabilité de fréquence sont minimales.
KF à État Augmenté pour une Estimation Simultanée : L'article développe une approche complète d'espace d'état augmenté capable d'estimer conjointement les états du système, les perturbations de charge et les signaux d'attaque FDI en utilisant des mesures limitées (fréquence et puissance).
Intégration de l'Inertie Virtuelle : La conception de l'observateur tient explicitement compte des effets de l'émulation d'inertie virtuelle au niveau du contrôle primaire, garantissant une estimation précise de l'état sous des conditions de faible inertie.
Évaluation Complète : La méthode proposée est validée à travers six scénarios distincts, incluant divers types d'attaques (échelon, rampe, sinusoïdale et multi-composantes), des fluctuations de renouvelables et un spectre de conditions d'inertie allant de haute à ultra-faible.

Résultats
Les résultats de simulation utilisant MATLAB/Simulink démontrent l'efficacité de l'observateur KF proposé :

Précision de l'Estimation FDI : Le KF estime avec succès les signaux FDI avec une erreur quadratique moyenne (MSE) de l'ordre de $10^{-3}$ à $10^{-2}$ , même en présence de fluctuations de renouvelables et d'attaques multi-composantes complexes.
Réduction de l'Écart de Fréquence : La stratégie de compensation réduit significativement les écarts de fréquence. À travers les scénarios testés, les réductions d'écart de fréquence ont varié de 33,3 % à 48,9 %.
- Dans un scénario d'attaque en rampe furtive, l'écart a été réduit de 47,5 %.
  - Dans une attaque en échelon avec perturbations simultanées, l'écart a été réduit de 45,5 %.
- Dans un scénario d'attaque sinusoïdale, l'écart a été réduit de 50,0 %.
Sensibilité à l'Inertie : L'amélioration des performances est inversement proportionnelle à l'inertie du système. Le KF apporte le plus grand bénéfice dans les scénarios d'ultra-faible inertie ( $H_{eff} = 1$ s), où il a réduit le creux de fréquence de 3,5 Hz à 1,6 Hz (une amélioration de 54,3 %) et le RoCoF de 4,5 Hz/s à 2,3 Hz/s (une amélioration de 48,9 %). Ce décalage empêche le système d'entrer dans un régime instable qui déclencherait autrement un délestage de charge ou des pannes de courant.
Robustesse : L'observateur parvient à découpler efficacement les perturbations de charge des attaques FDI, maintenant la précision de l'estimation même lorsque des échelons de charge et des fluctuations de renouvelables surviennent simultanément avec les attaques.

Signification et Revendications
L'article affirme que l'observateur basé sur le KF offre une solution robuste pour maintenir la stabilité de la fréquence dans les micro-réseaux intelligents à faible inertie sous des attaques FDI. La signification de ce travail réside dans sa capacité à opérer avec des données de mesure limitées tout en estimant simultanément les états du système et les signaux malveillants. Les auteurs soulignent que la méthode est particulièrement efficace lorsque le système est le plus vulnérable (c'est-à-dire sous des conditions d'ultra-faible inertie), là où les méthodes de détection traditionnelles pourraient échouer en raison de la rapidité de la dynamique de fréquence. En compensant les attaques FDI en temps réel, l'approche empêche la déstabilisation artificielle du micro-réseau, garantissant que le système reste dans des limites de fonctionnement sûres même lorsque la boucle de contrôle secondaire est compromise. L'étude conclut que si l'inertie virtuelle fournit un support initial nécessaire, l'observateur KF est essentiel pour neutraliser la menace spécifique des attaques FDI qui exploitent la couche de contrôle secondaire dépendante de la communication.

Articles similaires