論文の概要: Generator Cost Coefficients Inference Attack via Exploitation of Locational Marginal Prices in Smart Grid
- arxiv url: http://arxiv.org/abs/2503.20976v1
- Date: Wed, 26 Mar 2025 20:39:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-28 12:50:44.898592
- Title: Generator Cost Coefficients Inference Attack via Exploitation of Locational Marginal Prices in Smart Grid
- Title(参考訳): スマートグリッドにおける位置空間価格の爆発による発電機コスト係数の予測攻撃
- Authors: Junfei Wang, Pirathayini Srikantha,
- Abstract要約: リアルタイムの価格信号と発電レベルは、効率と透明性を促進するためにインディペンデント・システム・オペレーター(ISO)によって一般に公開されている。
発電機のコスト関数など、電力網に関する重要なプライベート情報を不注意に明らかにすることができる。
広告主はこれらの脆弱性を戦略的入札に利用でき、パワーマーケットの参加者や消費者に経済的損失をもたらす可能性がある。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Real-time price signals and power generation levels (disaggregated or aggregated) are commonly made available to the public by Independent System Operators (ISOs) to promote efficiency and transparency. However, they may inadvertently reveal crucial private information about the power grid, such as the cost functions of generators. Adversaries can exploit these vulnerabilities for strategic bidding, potentially leading to financial losses for power market participants and consumers. In this paper, we prove the existence of a closed-form solution for recovering coefficients in cost functions when LMPs and disaggregated power generation data are available. Additionally, we establish the convergence conditions for inference the quadratic coefficients of cost functions when LMPs and aggregated generation data are given. Our theoretical analysis provides the conditions under which the algorithm is guaranteed to converge, and our experiments demonstrate the efficacy of this method on IEEE benchmark systems, including 14-bus and 30-bus and 118-bus systems.
- Abstract(参考訳): リアルタイム価格信号と発電レベル(集約または集約)は、効率と透明性を促進するためにインディペンデント・システム・オペレーター(ISO)によって一般に公開されている。
しかし、発電機のコスト関数など、電力網に関する重要なプライベート情報を不注意に明らかにする可能性がある。
広告主はこれらの脆弱性を戦略的入札に利用でき、パワーマーケットの参加者や消費者に経済的損失をもたらす可能性がある。
本稿では,LMPと非凝集発電データが存在する場合,コスト関数の係数を復元する閉形式解の存在を実証する。
さらに,LMPと集約生成データを与える場合,コスト関数の2次係数を推定するための収束条件を確立する。
提案手法は,14-bus,30-bus,118-busを含むIEEEベンチマークシステムにおいて,提案手法の有効性を示す。
関連論文リスト
- Preventing Non-intrusive Load Monitoring Privacy Invasion: A Precise Adversarial Attack Scheme for Networked Smart Meters [99.90150979732641]
本稿では,敵攻撃に基づく革新的な手法を提案する。
このスキームは、NILMモデルがアプライアンスレベルのプライバシに違反するのを効果的に防ぎ、ユーザの正確な請求計算を確実にする。
提案手法はトランスファービリティを示し,他の様々なNILMモデルに適用可能な1つのターゲットモデルから発生する摂動信号を生成する。
論文 参考訳(メタデータ) (2024-12-22T07:06:46Z) - An Unsupervised Adversarial Autoencoder for Cyber Attack Detection in Power Distribution Grids [0.0]
本稿では,不均衡配電系統における偽データインジェクション攻撃(FDIA)を検出するために,教師なし対向オートエンコーダ(AAE)モデルを提案する。
提案手法は,オートエンコーダの構造における長期記憶(LSTM)を用いて,時系列計測における時間依存性をキャプチャする。
IEEE 13-bus と 123-bus で、歴史的気象データと歴史的実世界の負荷データを用いてテストされている。
論文 参考訳(メタデータ) (2024-03-31T01:20:01Z) - Fair Resource Allocation in Virtualized O-RAN Platforms [15.613171815892809]
O-RANシステムとその汎用コンピューティングプラットフォーム(O-Cloud)への展開は、前例のない性能向上をもたらすことが期待されているパラダイムシフトである。
本稿では,Oクラウドのエネルギーコストとサーバのハードウェア,キャパシティ,データトラフィック特性への依存性を評価する一連の実験について述べる。
省エネ方式で基地局のデータ負荷をO-Cloudサーバに割り当てる計算ポリシと,省エネ性を回避するため,ユーザ毎の送信ブロックサイズをほぼリアルタイムで決定する無線ポリシを提案する。
論文 参考訳(メタデータ) (2024-02-17T13:57:20Z) - A Safe Genetic Algorithm Approach for Energy Efficient Federated
Learning in Wireless Communication Networks [53.561797148529664]
フェデレートラーニング(FL)は、従来の集中型アプローチとは対照的に、デバイスが協調的にモデルトレーニングを行う分散技術として登場した。
FLの既存の取り組みにもかかわらず、その環境影響は、無線ネットワークへの適用性に関するいくつかの重要な課題が特定されているため、まだ調査中である。
現在の研究は遺伝的アルゴリズム(GA)アプローチを提案しており、FLプロセス全体のエネルギー消費と不要な資源利用の両方を最小化することを目標としている。
論文 参考訳(メタデータ) (2023-06-25T13:10:38Z) - A Physics-Informed Machine Learning for Electricity Markets: A NYISO
Case Study [1.1580136767197162]
PIMA-AS-OPFは、ネット負荷とシステムトポロジを入力として取り込む、完全に接続されたニューラルネットワークである。
このニューラルネットワークの出力には、飽和発電機や送電線などのアクティブな制約、非ゼロ負荷層や風量制限が含まれる。
ディスパッチ決定とLMPは、効率的な市場浄化結果の要件に関して、その実現可能性のためにテストされる。
論文 参考訳(メタデータ) (2023-03-31T18:25:03Z) - Evaluating the Planning and Operational Resilience of Electrical
Distribution Systems with Distributed Energy Resources using Complex Network
Theory [0.0]
本稿では,極端事象下での配電系統の計画と運用のレジリエンスを評価する手法を提案する。
提案するフレームワークは,複雑なネットワーク理論を効果的に活用して開発されている。
論文 参考訳(メタデータ) (2022-08-24T13:41:37Z) - Data-Driven Stochastic AC-OPF using Gaussian Processes [54.94701604030199]
大量の再生可能エネルギーを電力網に統合することは、おそらく気候変動を遅らせる電力網からの二酸化炭素排出量を減らす最も有効な方法だろう。
本稿では、不確実な入力を組み込むことのできる交流電力流方程式に基づく代替データ駆動方式を提案する。
GPアプローチは、このギャップを交流電力流方程式に閉じるために、単純だが制約のないデータ駆動アプローチを学ぶ。
論文 参考訳(メタデータ) (2022-07-21T23:02:35Z) - A Probabilistic Forecast-Driven Strategy for a Risk-Aware Participation
in the Capacity Firming Market [30.828362290032935]
本稿では,グリッド接続型再生可能発電プラントとキャパシティホルディング市場における蓄電池装置のエネルギー管理について述べる。
近年開発された「正規化フロー」と呼ばれる深層学習モデルを用いて再生可能生成の定量的予測を生成する。
論文 参考訳(メタデータ) (2021-05-28T13:13:07Z) - Learning Centric Power Allocation for Edge Intelligence [84.16832516799289]
分散データを収集し、エッジで機械学習を実行するエッジインテリジェンスが提案されている。
本稿では,経験的分類誤差モデルに基づいて無線リソースを割り当てるLCPA法を提案する。
実験の結果,提案したLCPAアルゴリズムは,他のパワーアロケーションアルゴリズムよりも有意に優れていた。
論文 参考訳(メタデータ) (2020-07-21T07:02:07Z) - Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A
Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。
ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
論文 参考訳(メタデータ) (2020-02-21T02:14:38Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳(メタデータ) (2020-02-20T04:58:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。