論文の概要: An AI-Enabled Hybrid Cyber-Physical Framework for Adaptive Control in Smart Grids
- arxiv url: http://arxiv.org/abs/2511.21590v2
- Date: Fri, 28 Nov 2025 09:30:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 15:47:02.76781
- Title: An AI-Enabled Hybrid Cyber-Physical Framework for Adaptive Control in Smart Grids
- Title（参考訳）: スマートグリッドにおける適応制御のためのAI対応ハイブリッドサイバー物理フレームワーク
- Authors: Muhammad Siddique, Sohaib Zafar,
- Abstract要約: 本稿では,3層構造(物理,サイバー,制御)をシステムの中心として,エネルギー管理システムを提案する。
提案するフレームワークは、グリッド安定性を確保し、ディスパッチを最適化し、絶えず変化するグリッドダイナミックスに対応する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolving smart grids require flexible and adaptive control methods. A harmonized hybrid cyber-physical framework, which considers both physical and cyber layers and ensures adaptability, is one of the critical challenges to enable sustainable and scalable smart grids. This paper proposes a three-layer (physical, cyber, control) architecture, with an energy management system as the core of the system. Adaptive Dynamic Programming(ADP) and Artificial Intelligence-based optimization techniques are used for sustainability and scalability. The deployment is considered under two contingencies: Cloud Independent and cloud-assisted. They allow us to test the proposed model under a low-latency localized decision scenario and also under a centralized control scenario. The architecture is simulated on a standard IEEE 33-Bus system, yielding positive results. The proposed framework can ensure grid stability, optimize dispatch, and respond to ever-changing grid dynamics.
- Abstract（参考訳）: スマートグリッドの進化には、フレキシブルで適応的な制御方法が必要である。
物理層とサイバー層の両方を考慮し、適応性を確保する、調和したハイブリッドサイバー物理フレームワークは、持続可能なスケーラブルなスマートグリッドを実現する上で重要な課題の1つです。
本稿では,3層構造(物理,サイバー,制御)をシステムの中心として,エネルギー管理システムを提案する。
アダプティブ・ダイナミック・プログラミング(ADP)と人工知能に基づく最適化技術は持続可能性と拡張性に使用される。
デプロイは、クラウドインディペンデントとクラウドアシストの2つに分類される。
これにより、低レイテンシの局所化決定シナリオと集中制御シナリオで提案されたモデルをテストできます。
アーキテクチャは標準のIEEE 33-Busシステムでシミュレートされ、肯定的な結果が得られる。
提案するフレームワークは、グリッド安定性を確保し、ディスパッチを最適化し、絶えず変化するグリッドダイナミックスに対応する。
関連論文リスト
- A Hybrid CNN-LSTM Deep Learning Model for Intrusion Detection in Smart Grid [0.0]
本研究は、スマートグリッドのサイバーセキュリティ向上を目的とした、ハイブリッドなディープラーニングベースの侵入検知システム(IDS)を提案する。
その結果、精度、精度、リコール、F1スコアが大幅に改善され、検出精度は99.70%となった。
論文 参考訳（メタデータ） (2025-09-08T20:41:31Z) - One-Class Intrusion Detection with Dynamic Graphs [46.453758431767724]
機械学習に基づく侵入検知は、セキュリティを改善するための有望なアプローチである。
本稿では,最新の動的グラフモデリングと深部異常検出に基づく新しい侵入検出手法TGN-SVDDを提案する。
本稿では,現実的な侵入検出データに対して,いくつかのベースラインよりも優れていることを示すとともに,後者のより困難なバリエーションを提案する。
論文 参考訳（メタデータ） (2025-08-18T12:36:55Z) - Neural Network-Based Detection and Multi-Class Classification of FDI Attacks in Smart Grid Home Energy Systems [0.0]
False Data Injection Attacks (FDIA)は、スマートグリッドインフラストラクチャに重大な脅威をもたらす。
本稿では、住宅エネルギーデータを用いたFDIAの検出と分類のための機械学習ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2025-08-09T18:27:31Z) - Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。
最大98.1%の精度でグリッド安定性を予測でき、98.9%で敵の攻撃を検知できる。
シングルボードコンピュータ上で実装され、7ms以下の平均応答時間でリアルタイムな意思決定を可能にする。
論文 参考訳（メタデータ） (2025-01-27T20:48:25Z) - Brain-Inspired Decentralized Satellite Learning in Space Computing Power Networks [42.67808523367945]
Space Computing Power Networks (Space-CPN) は、衛星の計算能力を調整し、オンボードのデータ処理を可能にする、有望なアーキテクチャとして登場した。
本稿では,ニューロモルフィックコンピューティングアーキテクチャがサポートするスパイクニューラルネットワーク(SNN)をオンボードデータ処理に適用することを提案する。
我々は分散型ニューロモルフィック学習フレームワークを提案し、通信効率の良い平面間モデルアグリゲーション法を開発した。
論文 参考訳（メタデータ） (2025-01-27T12:29:47Z) - Simulation of Multi-Stage Attack and Defense Mechanisms in Smart Grids [2.0766068042442174]
電力グリッドのインフラと通信のダイナミクスを再現するシミュレーション環境を導入する。
このフレームワークは多様なリアルな攻撃データを生成し、サイバー脅威を検出し緩和するための機械学習アルゴリズムを訓練する。
また、高度な意思決定支援システムを含む、新興のセキュリティ技術を評価するための、制御された柔軟なプラットフォームも提供する。
論文 参考訳（メタデータ） (2024-12-09T07:07:17Z) - Grid Monitoring with Synchro-Waveform and AI Foundation Model Technologies [41.994460245857404]
本稿では,インバータ資源が支配する将来のグリッドを対象とした次世代グリッド監視制御システムの開発を提唱する。
我々は,高分解能シンクロ波形計測技術を用いた物理ベースのAI基盤モデルを構築し,グリッドのレジリエンスを高め,機能停止による経済的損失を低減する。
論文 参考訳（メタデータ） (2024-03-11T17:28:46Z) - A Variational Autoencoder Framework for Robust, Physics-Informed
Cyberattack Recognition in Industrial Cyber-Physical Systems [2.051548207330147]
我々は、産業制御システムに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発する。
このフレームワークは、可変オートエンコーダ(VAE)、リカレントニューラルネットワーク(RNN)、ディープニューラルネットワーク(DNN)を組み合わせたハイブリッド設計である。
論文 参考訳（メタデータ） (2023-10-10T19:07:53Z) - Quantitative Measurement of Cyber Resilience: Modeling and Experimentation [36.19235874144082]
サイバーレジリエンス(サイバーレジリエンス)とは、システムがサイバー攻撃に対して抵抗し、回復する能力である。
本稿では、レジリエンス関連データを得るための実験方法と試験ベッドについて述べる。
論文 参考訳（メタデータ） (2023-03-28T21:01:17Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳（メタデータ） (2022-03-25T19:57:19Z) - Deep Learning based Covert Attack Identification for Industrial Control
Systems [5.299113288020827]
我々は、スマートグリッドに対する秘密攻撃と呼ばれるサイバー攻撃を検出し、診断し、ローカライズするために使用できるデータ駆動フレームワークを開発した。
このフレームワークは、オートエンコーダ、リカレントニューラルネットワーク(RNN)とLong-Short-Term-Memory層、Deep Neural Network(DNN)を組み合わせたハイブリッド設計である。
論文 参考訳（メタデータ） (2020-09-25T17:48:43Z)
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。