Eekhoorn-algoritme Detecteert Zwaktes In Elektriciteitsnet Om Stroomstoringen Van Aardbevingen En Cyberaanvallen Te Voorkomen

• Nieuw algoritme genaamd Squirrel detecteert zwaktes in het elektriciteitsnet.
• Het kan toegepast worden op alle typen gevaren, inclusief aardbeving, malafide aanval, en obstructie veroorzaakt door eekhoorns.

Wat voor condities en fouten in de infrastructuur van elektrische netwerken kunnen leiden tot een dramatische stroomstoring? En hoe kunnen private bedrijven en overheidsorganisaties investeren om een disastroze shutdown te voorkomen?

De afgelopen paar jaren zijn er berichten gekomen dat Noord-Koreaanse hackers een Amerikaanse energiebedrijf binnendrongen, en Russische hackers een kerncentrale binnendrongen. Dergelijke door hackers geïnduceerde stroomstoringen gebeuren nu vaker dan ooit. Natuurrampen zoals aardbevingen spelen ook een grote rol in de storing van elektriciteitsnetwerken. Zelfs eekhoorns (die vaak in elektrische draden knagen) vormen een ernstige dreiging voor elektriciteitsnetwerken.

Om deze problemen aan te pakken, hebben onderzoekers van Lawrence Livermore National Laboratory een nieuw algoritme genaamd 'Squirrel' ontwikkeld dat bedrijven in staat stelt zwaktes in het elektriciteitsnet te detecteren. Het is onderdeel van een 3-jarig project (Quantitative Intelligent Adversary Risk Assessment) gericht op het identificeren van alle mogelijke dreigingen voor het netwerk.

Omdat het algoritme 'oorzaak-agnostisch' is, kan het toegepast worden op alle typen gevaren, inclusief aardbeving, malafide aanval, en zelfs obstructie veroorzaakt door eekhoorns. Het lost het inverse probleem op (oorzaak afleiden van effect) en helpt u beslissen waar u aandacht aan moet besteden en hoe u resources moet alloceren.

Wat Doet Het Precies?

Het moeilijkste deel in het identificeren van risico's voor het netwerk is het cascades-effect. Eén defecte substation kan de hele netwerkinfrastructuur beïnvloeden. Onderzoekers implementeerden hun nieuwe algoritme met open-source elektriciteitsnet-simulator (simuleert transmissie stroom) om te bestuderen welke reeks gebeurtenissen zou moeten plaatsvinden om een verlies van 1/2 miljard watt belasting op een klein netwerkmodel te veroorzaken.

De simulatie detecteerde meer dan 700 kritieke fouten van gevolg, en bijna de helft van deze fouten betrof één specifieke relais. Dit type informatie kan erg nuttig zijn, met name wanneer resources beperkt zijn.

Eenvoudig gezegd, als u bezorgd bent over een defecte substation die 10 gigawatt belasting offline zal halen en zoekt naar manieren waarop dat kan gebeuren, kan het algoritme u helpen bepalen welke fouten daadwerkelijk tot dat resultaat zouden leiden.

Referentie: Lawrence Livermore National Laboratory

Dit zal agentschappen helpen het aantal mogelijke condities te verlagen en locaties te prioriteren die tot dramatische fouten kunnen leiden. Het algoritme is in staat verschillende parameters te veranderen en een efficiënte oplossing te vinden om een massive uitval te voorkomen.

Hoewel elektriciteitsnetwerken die in recente jaren zijn ontwikkeld veel geautomatiseerder en slimmer zijn, zijn ze kwetsbaarder voor hackers en vijanden (omdat ze verbonden zijn met het internet). Op dit moment is het niet mogelijk om handmatige technieken te gebruiken om netwerken te beveiligen: niemand kan alle gebeurtenissen bedenken die tot een nastig resultaat zouden leiden. Dus het is een beetje noodzakelijk om Squirrel te gebruiken om de lijst met gebeurtenissen die falen veroorzaken, in te perken.

Wat Is De Volgende Stap?

Voordat het op grootschalige systemen toegepast wordt, moet het algoritme verbeterd worden. Onderzoekers plannen de modelleringcapaciteiten te verbeteren zodat het meerdere, complexe gevolgen in rekening kan brengen, zoals elektriciteit en gas, communicatie en stroom, en meer ingewikkelde distributiemodellen.

Tot nu toe hebben ze gewerkt met een basismodel dat 40 transmissielijnen kon aan. Deze lijnen kunnen ofwel uit- of aangezet worden, dus er zouden 2⁴⁶ mogelijke arrangeringen zijn – een extreem groot aantal om via brute force methodes te verwerken. Voor praktische en slimme analyse is hun doel om een 10.000 lijnsysteem te modelleren.

Lees ook: Een Lineair Algoritme Dat Smartphones Kan Lokaliseren Zonder GPS

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