Original Title: Fault Detection and Isolation for Cyber-Physical Systems: Smart Grid case
Source: web.ece.ucsb.edu
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការរកឃើញ និងការបំបែកកំហុសសម្រាប់ប្រព័ន្ធរូបវន្តអុីនធឺណិត៖ ករណីបណ្តាញអគ្គិសនីឆ្លាតវៃ

ចំណងជើងដើម៖ Fault Detection and Isolation for Cyber-Physical Systems: Smart Grid case

អ្នកនិពន្ធ៖ Daniel Silvestre (University of Macau / University of Lisbon), João P. Hespanha (University of California, Santa Barbara), Carlos Silvestre (University of Macau / University of Lisbon)

ឆ្នាំបោះពុម្ព៖ 2017

វិស័យសិក្សា៖ Cyber-Physical Systems / Electrical Engineering

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ឯកសារនេះដោះស្រាយបញ្ហានៃការរកឃើញ និងការកំណត់ទីតាំងកំហុស ឬការវាយប្រហារដោយជនខិលខូចនៅក្នុងប្រព័ន្ធរូបវន្តអុីនធឺណិត (Cyber-Physical Systems) ជាពិសេសផ្តោតលើហេដ្ឋារចនាសម្ព័ន្ធបណ្តាញអគ្គិសនីឆ្លាតវៃ (Smart Grids)។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះប្រើប្រាស់គំរូគណិតវិទ្យា និងការក្លែងធ្វើដើម្បីវាយតម្លៃយន្តការនៃការរកឃើញកំហុស ទាំងក្នុងទម្រង់ប្រព័ន្ធមជ្ឈការ (Centralized) និងប្រព័ន្ធវិមជ្ឈការ (Distributed)។

ការប្រើប្រាស់អ្នកសង្កេតតម្លៃសំណុំ (Set-Valued Observers - SVOs) ដើម្បីប៉ាន់ស្មានស្ថានភាព និងកំហុសក្នុងប្រព័ន្ធ
ការវិភាគទិន្នន័យតាមរយៈសមីការលំហូរថាមពលអគ្គិសនី (Linearized swing and DC power flow equations)
ការប្រើប្រាស់បច្ចេកទេសបំបែកកត្តាបឋម (Left-Coprime Factorization) សម្រាប់ប្រព័ន្ធរាវរកមជ្ឈការ
ការធ្វើតេស្តក្លែងធ្វើប្រព័ន្ធលើបណ្តាញសាកល្បង IEEE 14-bus របស់វិទ្យាស្ថាន IEEE

លទ្ធផលសំខាន់ៗ (The Verdict)៖

វិធីសាស្ត្រ SVO បង្ហាញពីសមត្ថភាពដ៏រហ័ស ដោយអាចរកឃើញកំហុស ឬការវាយប្រហារក្នុងរយៈពេលតិចជាង ១០ ជំហាននៃពេលវេលា (time steps) សម្រាប់ប្រព័ន្ធមជ្ឈការ។
ប្រព័ន្ធរាវរកបែបវិមជ្ឈការ (Distributed detectors) ដែលប្រើប្រាស់ព័ត៌មានមានកម្រិត ទាមទារឱ្យទំហំកំហុសធំជាងមុនប្រមាណ ៣០% ដើម្បីអាចផ្តល់លទ្ធផលរកឃើញស្មើនឹងប្រព័ន្ធមជ្ឈការ។
ការស្រាវជ្រាវបានផ្តល់នូវក្របខណ្ឌទ្រឹស្តីរឹងមាំ ដែលអាចគណនាកំណត់ព្រំដែនអតិបរមានៃសញ្ញាវាយប្រហារដែលមិនអាចរកឃើញបាន (Worst-case undetected attacks) នៅក្នុងបណ្តាញអគ្គិសនីឆ្លាតវៃ។

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method)	គុណសម្បត្តិ (Pros)	គុណវិបត្តិ (Cons)	លទ្ធផលគន្លឹះ (Key Result)
Centralized SVO-based Detector ប្រព័ន្ធរាវរកដោយប្រើអ្នកសង្កេតតម្លៃសំណុំ (SVO) បែបមជ្ឈការ	មានប្រសិទ្ធភាពខ្ពស់ និងមិនមានភាពអភិរក្ស (Conservatism) ក្នុងករណីមិនមានការបោះបង់ទិន្នន័យវាស់វែង។ អាចរកឃើញកំហុសបានលឿនខ្លាំង។	ទាមទារឱ្យមានការដឹងព័ត៌មានពេញលេញពីសក្ដានុពលនៃបណ្តាញទាំងមូល និងមានចំណុចកណ្តាលសម្រាប់ទទួលទិន្នន័យ ដែលអាចងាយរងគ្រោះប្រសិនបើប្រព័ន្ធកណ្តាលខូច។	អាចរកឃើញកំហុស ឬការវាយប្រហារក្នុងរយៈពេលតិចជាង ១០ ជំហាន (time steps) ប្រសិនបើទំហំកំហុសធំជាងកម្រិតកំណត់។
Decentralized SVO-based Detector ប្រព័ន្ធរាវរកដោយប្រើអ្នកសង្កេតតម្លៃសំណុំ (SVO) បែបវិមជ្ឈការ	មិនត្រូវការព័ត៌មានពីបណ្តាញទាំងមូលទេ (ប្រើតែទិន្នន័យមូលដ្ឋាននៃឧបករណ៍នីមួយៗ) និងកាត់បន្ថយការពឹងផ្អែកលើមជ្ឈមណ្ឌលកណ្តាលតែមួយ។	មានភាពអភិរក្សខ្ពស់ (Conservatism) ដោយសារត្រូវប៉ាន់ស្មានផ្នែកដែលមិនដឹងពីប្រព័ន្ធ ដែលធ្វើឱ្យការគណនាមានភាពស្មុគស្មាញ និងទាមទារពេលវេលាយូរជាង។	ទាមទារទំហំកំហុស ឬការវាយប្រហារធំជាងមុនប្រមាណ ៣០% ទើបអាចទទួលបានលទ្ធផលនៃការរកឃើញស្មើនឹងប្រព័ន្ធមជ្ឈការ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះពឹងផ្អែកទាំងស្រុងលើការក្លែងធ្វើតាមកុំព្យូទ័រ (Computer Simulations) សម្រាប់ការវិភាគបណ្តាញអគ្គិសនី និងការគណនាគណិតវិទ្យា។

Software: កម្មវិធី MATLAB រួមបញ្ចូលជាមួយកញ្ចប់ MATPOWER 5.0 និងឧបករណ៍ដោះស្រាយសមីការកម្រិតខ្ពស់ (BMIBHB solver)។
Dataset: ប្រើប្រាស់ទិន្នន័យក្លែងធ្វើតាមស្តង់ដារបណ្តាញអគ្គិសនី IEEE 14-bus testbed។
Hardware: កុំព្យូទ័រដែលមានសមត្ថភាពគណនាខ្ពស់ (CPU/RAM ល្អ) ដើម្បីដំណើរការក្បួនដោះស្រាយ Fourier-Motzkin elimination និងការប៉ាន់ស្មាន SVOs ជាពិសេសសម្រាប់ប្រព័ន្ធវិមជ្ឈការ។
Expertise: ចំណេះដឹងកម្រិតខ្ពស់ផ្នែកប្រព័ន្ធគ្រប់គ្រង (Control Systems), សមីការពិជគណិត (Linear Parameter-Varying), និងវិស្វកម្មប្រព័ន្ធថាមពលអគ្គិសនី។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រើប្រាស់ទិន្នន័យស្តង់ដារក្លែងធ្វើ IEEE 14-bus testbed ជំនួសឱ្យទិន្នន័យបណ្តាញអគ្គិសនីជាក់ស្តែង។ សម្រាប់ប្រទេសកម្ពុជា នេះអាចជាចំណុចខ្វះខាត ព្រោះបណ្តាញអគ្គិសនីជាក់ស្តែងមានបញ្ហាប្រឈមជាច្រើនទៀតដូចជា ការបាត់បង់ថាមពលតាមខ្សែបញ្ជូន កម្រិតវ៉ុលមិនថេរ និងកង្វះហេដ្ឋារចនាសម្ព័ន្ធឌីជីថលពេញលេញនៅតាមតំបន់។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនេះមានសក្តានុពលខ្ពស់សម្រាប់អគ្គិសនីកម្ពុជា (EDC) ក្នុងការត្រៀមខ្លួនឆ្ពោះទៅរកការគ្រប់គ្រងបណ្តាញអគ្គិសនីឆ្លាតវៃ (Smart Grids) នាពេលអនាគត។

National Control Centre (NCC) នៃ EDC: មជ្ឈមណ្ឌលបញ្ជាជាតិអាចប្រើប្រាស់ក្បួនដោះស្រាយមជ្ឈការ (Centralized SVO) ដើម្បីតាមដានលំហូរថាមពលពីវារីអគ្គិសនី និងរោងចក្រថាមពលព្រះអាទិត្យធំៗ និងរាវរកការវាយប្រហារតាមអុីនធឺណិត (Cyber-attacks) ទៅលើប្រព័ន្ធ SCADA ភ្លាមៗ។
ការការពារប្រព័ន្ធកុងទ័រឆ្លាតវៃ (Smart Metering Security): នៅពេលកម្ពុជាប្តូរទៅប្រើប្រាស់កុងទ័រឆ្លាតវៃ (Smart Meters) វិធីសាស្ត្រវិមជ្ឈការអាចត្រូវបានបំពាក់នៅតាមសង្កាត់នីមួយៗ ដើម្បីរកឃើញការលួចទិន្នន័យ ឬការកែប្រែទិន្នន័យប្រើប្រាស់អគ្គិសនី (False Data Injection) ដោយមិនចាំបាច់បញ្ជូនទិន្នន័យទាំងអស់ទៅកាន់ទីស្នាក់ការកណ្តាល។
តំបន់បណ្តាញខ្នាតតូច (Rural Microgrids): សម្រាប់តំបន់ដាច់ស្រយាលដែលប្រើប្រាស់ Microgrids ភ្ជាប់ជាមួយថាមពលព្រះអាទិត្យ ឧបករណ៍រាវរកកំហុសបែបវិមជ្ឈការអាចធានាបាននូវស្ថិរភាពបណ្តាញ ទោះបីជាការតភ្ជាប់អុីនធឺណិតមកកាន់ទីក្រុងមានការរអាក់រអួលក៏ដោយ។

សរុបមក ការអនុវត្តទ្រឹស្តីនេះទាមទារឱ្យមានការធ្វើទំនើបកម្មឧបករណ៍វាស់ស្ទង់ជាមុនសិន ប៉ុន្តែវានឹងផ្តល់នូវស្រទាប់សុវត្ថិភាពដ៏រឹងមាំសម្រាប់ស្ថិរភាពថាមពលជាតិកម្ពុជានៅពេលប្រព័ន្ធឌីជីថលត្រូវយកមកប្រើប្រាស់ពេញលេញ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

សិក្សាមូលដ្ឋានគ្រឹះនៃសក្ដានុពលប្រព័ន្ធថាមពល (Power System Dynamics): និស្សិតត្រូវស្វែងយល់ពីសមីការគណិតវិទ្យាដែលគ្រប់គ្រងបណ្តាញអគ្គិសនី ដូចជា Swing Equations និង DC Power Flow ដើម្បីអាចបំប្លែងដំណើរការអគ្គិសនីទៅជាម៉ូដែលគណិតវិទ្យា (State-Space Models)។
ស្វែងយល់ពីទ្រឹស្តីឧបករណ៍រាវរក SVOs: អាន និងស្រាវជ្រាវអំពីទ្រឹស្តី Set-Valued Observers (SVOs) និងការបំបែកកត្តា Left-Coprime Factorization ដែលជាស្នូលនៃក្បួនដោះស្រាយក្នុងការរាវរកកំហុសនៅក្នុងប្រព័ន្ធគ្រប់គ្រង (Control Theory)។
រៀបចំបរិស្ថានក្លែងធ្វើ (Simulation Environment Setup): ដំឡើងកម្មវិធី MATLAB និងទាញយកកញ្ចប់ទិន្នន័យ MATPOWER 5.0 រួមជាមួយនឹងឧបករណ៍ដោះស្រាយ BMIBHB ដើម្បីបង្កើតបរិស្ថានសាកល្បងដូចទៅនឹងការស្រាវជ្រាវនេះ។
អនុវត្តការរាវរកកំហុសលើស្តង់ដារ IEEE 14-bus: សរសេរកូដដើម្បីទាញយកទិន្នន័យបណ្តាញ IEEE 14-bus Testbed នៅក្នុង MATPOWER រួចធ្វើការចាក់បញ្ចូលសញ្ញាកំហុសក្លែងក្លាយ (Fault Signals/Attacks) ហើយរត់ក្បួនដោះស្រាយ Centralized SVO ដើម្បីវាយតម្លៃពេលវេលានៃការរកឃើញ (Detection Time)។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស	ការពន្យល់ជាខេមរភាសា (Khmer Explanation)	និយមន័យសាមញ្ញ (Simple Definition)
Cyber-Physical Systems	ប្រព័ន្ធដែលរួមបញ្ចូលគ្នារវាងបច្ចេកវិទ្យាកុំព្យូទ័រ និងបណ្តាញទំនាក់ទំនង (Cyber) ជាមួយនឹងដំណើរការរូបវន្តជាក់ស្តែង (Physical) ដូចជាការគ្រប់គ្រងរោងចក្រ ឬបណ្តាញអគ្គិសនីដោយស្វ័យប្រវត្តិតាមរយៈសេនស័រ។	ដូចជាខួរក្បាល និងប្រព័ន្ធសរសៃប្រសាទ (កុំព្យូទ័រ) ដែលបញ្ជាសាច់ដុំដៃជើង (ម៉ាស៊ីនអគ្គិសនី) ឱ្យធ្វើការងារដោយស្វ័យប្រវត្តិ។
Set-Valued Observers (SVOs)	ក្បួនដោះស្រាយគណិតវិទ្យាដែលមិនប៉ាន់ស្មានស្ថានភាពប្រព័ន្ធជាតម្លៃតែមួយនោះទេ ប៉ុន្តែវាបង្កើតជា "សំណុំ" នៃតម្លៃដែលអាចកើតមានទាំងអស់ (គិតដល់ស្ថានភាពអាក្រក់បំផុត) ដើម្បីផ្ទៀងផ្ទាត់ថាតើប្រព័ន្ធកំពុងដំណើរការធម្មតា ឬមានកំហុស/ការវាយប្រហារ។	ដូចជាប៉ូលីសដែលមិនទាន់ដឹងច្បាស់ថាចោរជានរណា តែបានគូសរង្វង់មុខសញ្ញាសង្ស័យមួយក្រុម ប្រសិនបើគ្មានអ្នកណាក្នុងក្រុមនោះត្រូវនឹងភស្តុតាងទេ នោះមានន័យថាមានអ្វីមួយខុសប្រក្រតីហើយ។
Left-coprime factorization	បច្ចេកទេសក្នុងទ្រឹស្តីគ្រប់គ្រង (Control Theory) ដែលបំបែកប្រព័ន្ធដ៏ស្មុគស្មាញមួយទៅជាប្រព័ន្ធរងតូចៗពីរដាច់ដោយឡែកពីគ្នា ដែលអនុញ្ញាតឱ្យការគណនាស្វែងរកកំហុសមានភាពរហ័ស និងងាយស្រួលកំណត់ព្រំដែនពេលវេលានៃការរកឃើញ។	ដូចជាការបំបែកលំហាត់គណិតវិទ្យាដ៏វែង និងស្មុគស្មាញមួយ ទៅជារូបមន្តតូចៗពីរដែលងាយស្រួលដោះស្រាយជាងមុន។
Fourier-Motzkin elimination method	វិធីសាស្ត្រគណិតវិទ្យាសម្រាប់ដោះស្រាយប្រព័ន្ធវិសមីការលីនេអ៊ែរ ដោយការលុបបំបាត់អថេរម្តងមួយៗ ដើម្បីស្វែងរកដែនកំណត់នៃរាងធរណីមាត្រពហុកោណ (Polytope) ដែលតំណាងឱ្យស្ថានភាពដែលអាចទៅរួចទាំងអស់របស់ប្រព័ន្ធ។	ដូចជាការលុបចោលលក្ខខណ្ឌ ឬមុខសញ្ញាម្តងមួយៗ ក្នុងការស៊ើបអង្កេត រហូតទាល់តែរកឃើញចម្លើយចុងក្រោយដែលស្ថិតក្នុងរង្វង់ដែលយើងអាចទទួលយកបាន។
Linear Parameter-Varying (LPV) system	ម៉ូដែលគណិតវិទ្យានៃប្រព័ន្ធមួយ ដែលទោះបីជាវាមានលក្ខណៈជាបន្ទាត់ត្រង់ (Linear) ប៉ុន្តែប៉ារ៉ាម៉ែត្ររបស់វាអាចប្រែប្រួលទៅតាមពេលវេលា ឬស្ថានភាពខាងក្រៅ ជួយឱ្យការវិភាគប្រព័ន្ធស្មុគស្មាញមានភាពងាយស្រួល។	ដូចជាការបើកបរឡានដែលច្បាប់នៃការបង្កើនល្បឿនផ្លាស់ប្តូរទៅតាមស្ថានភាពផ្លូវ (ឡើងចំណោត ឬចុះចំណោត) ប៉ុន្តែយើងនៅតែអាចគ្រប់គ្រងវាបានតាមក្បួនខ្នាតដដែល។
DC power flow equations	សមីការគណិតវិទ្យាដែលត្រូវបានធ្វើសាមញ្ញកម្ម (Linearized) ដើម្បីគណនានិងវិភាគលំហូរនៃថាមពលអគ្គិសនីនៅក្នុងបណ្តាញ ដោយមិនគិតពីភាពស្មុគស្មាញនៃចរន្តឆ្លាស់ (AC) ពេញលេញនោះទេ ដែលជួយសន្សំសំចៃពេលវេលាគណនា។	ដូចជាការគណនាលំហូរទឹកក្នុងបំពង់ដោយផ្តោតតែលើបរិមាណទឹក និងទិសដៅ តែមិនខ្វល់ពីរលកទឹកតូចៗនៅខាងក្នុងបំពង់ឡើយ។
Distinguishability	សមត្ថភាពនៃប្រព័ន្ធរាវរក ក្នុងការគណនា និងបែងចែកឱ្យដាច់ពីគ្នារវាងស្ថានភាពដែលប្រព័ន្ធដំណើរការធម្មតា (គ្មានកំហុស) និងស្ថានភាពដែលប្រព័ន្ធកំពុងរងការវាយប្រហារ (មានកំហុស) តាមរយៈការប្រៀបធៀបទិន្នន័យទិន្នផល។	ដូចជាសមត្ថភាពរបស់ម៉ាស៊ីនអ៊ុតលុយ ក្នុងការបែងចែកយ៉ាងច្បាស់រវាងក្រដាសប្រាក់ពិត និងក្រដាសប្រាក់ក្លែងក្លាយ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖