Nieuw algoritme voorspelt stroomuitval veroorzaakt door hackers en aardbevingen

• Nieuw algoritme genaamd Squirrel detecteert zwakheden in het elektriciteitsnet.
• Het kan worden toegepast op alle soorten gevaren, waaronder aardbevingen, kwaadaardige aanvallen en obstructie veroorzaakt door eekhoorns.

Welke omstandigheden en storingen in de infrastructuur van elektriciteitsnetten kunnen leiden tot een dramatische black-out? En hoe zouden particuliere bedrijven en overheidsorganisaties kunnen investeren om een ​​rampzalige shutdown te helpen voorkomen?

De afgelopen jaren is er nieuws naar buiten gekomen dat Noord-Koreaanse hackers een Amerikaans energiebedrijf zijn binnengedrongen en Russische hackers een kerncentrale. Dergelijke door hackers veroorzaakte black-outs komen nu vaker voor dan ooit. Natuurrampen zoals aardbevingen spelen ook een grote rol bij de verstoring van elektriciteitsnetten. Zelfs eekhoorns (die vaak in elektriciteitsdraden kauwen) vormen een ernstige bedreiging voor elektriciteitsnetten.

Om deze problemen aan te pakken, hebben onderzoekers van Lawrence Livermore National Laboratory een nieuw algoritme ontwikkeld met de naam 'Squirrel' waarmee bedrijven zwakke punten in het elektriciteitsnet kunnen detecteren. Het maakt deel uit van een driejarig project (Quantitative Intelligent Adversary Risk Assessment) gericht op het identificeren van alle mogelijke bedreigingen voor het netwerk.

Omdat het algoritme 'oorzaak-agnostisch' is, kan het worden toegepast op alle soorten gevaren, waaronder aardbevingen, kwaadaardige aanvallen en zelfs obstructie veroorzaakt door eekhoorns. Het lost het omgekeerde probleem op (oorzaak van gevolg afleiden) en helpt u te beslissen waar u de aandacht op wilt vestigen en hoe u middelen toewijst.

Wat doet het precies?

Het moeilijkste onderdeel bij het identificeren van risico's voor het net is het cascade-effect. Eén defect onderstation kan gevolgen hebben voor de hele netwerkinfrastructuur. Onderzoekers implementeerden hun nieuwe algoritme met een open-source elektriciteitsnetsimulator (simuleert de stroom van transmissievermogen) om te bestuderen welke reeks gebeurtenissen zou moeten plaatsvinden om een ​​verlies van 1/2 miljard watt aan belasting op een klein netwerkmodel te veroorzaken.

De simulatie detecteerde meer dan 700 kritische storingen van consequentie, en bijna de helft van deze storingen had betrekking op één specifiek relais. Dit soort informatie kan erg handig zijn, vooral wanneer de middelen beperkt zijn.

Simpel gezegd, als u zich zorgen maakt over een defect onderstation dat 10 gigawatt aan belasting offline zal halen en op zoek bent naar manieren om dit voor elkaar te krijgen, kan het algoritme u helpen bepalen welke storingen daadwerkelijk tot dat resultaat zouden leiden.

Referentie:Lawrence Livermore National Laboratory

Dit zal agentschappen helpen het aantal mogelijke voorwaarden te beperken en prioriteit te geven aan locaties die tot dramatische mislukkingen kunnen leiden. Het algoritme is in staat om verschillende parameters te wijzigen en een efficiënte oplossing te vinden om een ​​massale storing te voorkomen.

Hoewel de afgelopen jaren ontwikkelde elektriciteitsnetten veel meer geautomatiseerd en slimmer zijn, zijn ze (omdat ze met internet zijn verbonden) kwetsbaarder voor hackers en kwaadwillenden. Op dit moment is het niet mogelijk om handmatige technieken te gebruiken om rasters te beveiligen:niemand kan alle gebeurtenissen bedenken die tot een vervelende uitkomst zouden leiden. Het is dus een beetje noodzakelijk om Squirrel te gebruiken om de lijst met gebeurtenissen die storingen veroorzaken te beperken.

Wat nu?

Voordat het wordt toegepast op grootschalige systemen, moet het algoritme worden verbeterd. Onderzoekers zijn van plan zijn modelleringscapaciteiten te verbeteren, zodat het rekening kan houden met meerdere, complexe gevolgen, zoals elektriciteit en gas, communicatie en energiestroom, en meer ingewikkelde distributiemodellen.

Tot nu toe hebben ze gewerkt met een basismodel dat 46 transmissielijnen aankan. Deze lijnen kunnen worden in- of uitgeschakeld, dus er zouden 2⁴⁶ mogelijke regelingen zijn - een extreem groot aantal om te verwerken via brute force-methoden. Voor praktische en slimme analyse is hun doel om een ​​systeem met 10.000 lijnen te modelleren.

Lezen:een lineair algoritme dat smartphones kan lokaliseren zonder GPS

In de toekomst zullen onderzoekers ook samenwerken met instanties om kwetsbaarheden te detecteren en risicobeoordelingen uit te voeren met behulp van echte elektriciteitsnetwerken om nauwkeurigere modellen te produceren.