An anomaly detection framework for identifying energy theft and defective meters in smart grids

مترهای هوشمند به تدریج برای جایگزینی سلف پیشین خود برای اندازه گیری و نظارت بر مصرف مصرف کنندگان در شبکه های هوشمند اعزام می شوند. گرچه متر هوشمند با ارتباطات رمزگذاری شده و ویژگی های تشخیص دستکاری مجهز شده است، احتمالا در معرض چندین حمله سایبری قرار می گیرند. این مترها ممکن است به راحتی به فریب خواندن متر، که باعث افزایش شانس و انواع سرقت انرژی متفاوت است. برای جلوگیری از تقلب انرژی با استفاده از متر هوشمند، ارائه دهندگان خدمات شناسایی الگوهای مصرف غیرمعمول گزارش شده به مراکز عملیاتی با استفاده از داده مصرف مصرف کنندگان جمع آوری شده از زیرساخت های اندازه گیری پیشرفته. در این مقاله، ما یک چارچوب تشخیص ناهنجاری جدید برای ارزیابی رفتار مصرف انرژی مصرف کنندگان برای شناسایی نقاط تقلب انرژی بالقوه و معیوب متر ارائه می دهیم. معیارهای شناخته شده به عنوان ضریب از دست دادن و خطای خط به منظور تخمین مقدار تلفات فنی و ضبط سر و صدا اندازه گیری به ترتیب در خطوط توزیع و ترانسفورماتور معرفی می شود. سپس چارچوب تشخیص آنومالی برای تشخیص سوء رفتار مصرف کنندگان و معیوب بودن متر حتی زمانی که تقلب متناوب و تجهیزات معیوب وجود دارد، بهبود یافته است. نتایج هر دو شبیه سازی و تست نشان می دهد که چارچوب پیشنهادی می تواند به راحتی مشتریان متقلب را شناسایی و کشف معیوب هوشمند.