AN INTELLIGENT INTRUSION DETECTION AND RECOVERY SYSTEM. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF 3_finaldraft.pdf - Accepted Version Restricted to Repository staff only until 25 December 2023. Download (2MB)

Arabic Abstract

أحدثت مبادرات التحول الرقمي لشبكات الطاقة ثورة في مجال مراقبة وحماية خطوط النقل. إلا ان ذلك أدى إلى زيادة مخاطر الاختراقات السيبرانية للبنية التحتية الرقمية والمادية للكهرباء. فيمكن للمخترقين الوصول إلى الشبكة الذكية وحقن البيانات المزيفة بهدف إحداث انقطاعات تدميرية للتيار الكهربائي. لذلك فقد تم إنشاء نظام اكتشاف الاختراقات واسترداد القراءات في هذه الرسالة باستخدام الشبكة العصبية للتعلم العميق. يقوم النظام المصمم باكتشاف الاقتحامات في الشبكات الذكية وتصنيفها وتحديد موقعها. و بمجرد تحديد الاضطراب، يقوم النظام بعزل أجهزة التحكم والمراقبة المستهدفة والتنبؤ بشكل الموجات الجيبية باستخدام الشبكة العصبيةذات الذاكرة قصيرة المدى للحفاظ على إمكانية مراقبة نظام الطاقة. أظهرت نتائج المحاكاة دقة عالية في كشف وتصنيف وتحديد موقع الاختراق بالإضافة إلى التنبؤ بشكل الموجات الجيبية.

English Abstract

The emergence of power system digitalization initiatives revolutionized the way electricity grids are monitored and protected. However, the integration of cyber and physical electrical infrastructures led to an increase in risk of cyber intrusions. Attackers can gain access to the smart grid and inject falsified data leading the protection schemes to activate unnecessary power outage actions. Such outages can be devastating to the end users. In this research, an IDRS is proposed using DLNN to detect, classify and locate intrusions in smart grids. Once the disturbance is located, the IDRS is designed to isolate the contaminated IED and predict its current waveform utilizing LSTM neural network to maintain the power system observability. The proposed IDRS performs the required diagnosis on the modified simulated IEEE 13 bus system. Simulation results demonstrated high accuracy in the proposed detection, classification, location and prediction approach.

Item Type:	Thesis (Masters)
Subjects:	Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Almuhaini, Mohammad
Committee Members:	Abido, M. A. and Alowaifeer, Maad
Depositing User:	ABDULAZIZ ALJOHANI (g201251460)
Date Deposited:	28 Dec 2022 07:38
Last Modified:	28 Dec 2022 07:38
URI:	http://eprints.kfupm.edu.sa/id/eprint/142271