CIBERSEGURIDAD EN MICRORREDES ELÉCTRICAS
Duber Jose Madera
Created on April 30, 2024
More creations to inspire you
TEN WAYS TO SAVE WATER
Horizontal infographics
NORMANDY 1944
Horizontal infographics
LIZZO
Horizontal infographics
BEYONCÉ
Horizontal infographics
DEMOCRATIC CANDIDATES NOV DEBATE
Horizontal infographics
ONE MINUTE ON THE INTERNET
Horizontal infographics
SITTING BULL
Horizontal infographics
Transcript
El proyecto se centra en crear laboratorios de ingeniería que empleen inteligencia artificial para detectar ciberataques, usando conjuntos de datos reales del sistema eléctrico proporcionados por el Ministerio de Energía y Minas de República Dominicana. Para el análisis fueron empleadas herramientas como Matlab y Google Colaboratory.
Problemas ocasionados
-Cortes de larga duración -Desconexiones catastróficas de equipos críticos
CIBERSEGURIDAD EN MICRORREDES ELÉCTRICAS
PRINCIPALES REQUERIMIENTOS:-DISPONIBILIDAD de datos-confidencialidad de datos-integridad de datos
Sistema de generación eléctrica que permite la distribución de electricidad desde los proveedores hasta los consumidores, utilizando tecnología digital y favoreciendo la integración de las fuentes de generación de origen renovable.
MIRCRORRED
ESCENARIOS DE FALLA: -Infraestructura de medición -Recursos energéticos distribuidos -Monitoreo, protección y control -Transporte de energía eléctrica -Carga eléctrica -Gestión de la red de distribución
Duber Jose Madera
Lorem ipsum dolor
ALGORTIMOS
GOOGLE COLABORATORY
-Los predictores son el voltaje y la corriente en fases A,B,C y la demanda electrica.-Se usaron un total de 191 conjuntos de variables para el entrenamiento con un total de 20 escenarios para la fase de prueba.-Algunos puntos de datos se modificaron para simular condiciones de ciberataque.El modelo se entrenó utilizando un arbol de decisión con una precisión resultante del 97.9%MATLAB clasificará los diferentes escenarios como ataque o funcionamiento funcional de la microrred
MATLAB
-Se añadieron datos de voltaje falso a un conjunto de 10,000 puntos de datos mediante técnicas de aprendizaje automático con redes neuronales.-La prueba se realizó con el 30% de los datos, basados en valores de tensión de línea del sistema eléctrico de la República Dominicana.-Se generaron datos falsos alterando los valores de voltaje originales en un rango del 10 al 20%.-Se predijo correctamente que el segundo conjunto de valores que se sabía que no eran de ataque lo serían (con una probabilidad de ser un ataque del 2%)