Journal of Iranian Association of Electrical and Electronics Engineers

fa تشخیص و جبران حملات سایبری در ریزشبکه‌های DC با استفاده از فیلتر کالمن مکعبی و مشاهده‌گر غیرخطی ورودی ناشناخته Cyber Attack Detection and Compensation in DC Microgrids Using Cubature Kalman Filter and Unknown Input Nonlinear Observer کنترل Control پژوهشي Research در این مقاله، یک روش نوین برای تشخیص و جبران حملات سایبری در ریزشبکه‌های DC ارائه شده است. رویکرد پیشنهادی ترکیبی از فیلتر کالمن مکعبی و مشاهده‌گر غیرخطی ورودی ناشناخته را به کار می‌گیرد تا به‌طور هم‌زمان تخمین متغیرهای حالت و شناسایی سیگنال‌های نفوذ مخرب را امکان‌پذیر سازد. ابتدا، مدل دینامیکی ریزشبکه همراه با عدم قطعیت‌های ناشی از حملات سایبری در نظر گرفته شده است. سپس، فیلتر کالمن مکعبی دقت تخمین متغیرهای سیستم را افزایش داده و مشاهده‌گر غیرخطی برای بازسازی سیگنال‌های مخرب طراحی شده است. برای ارزیابی روش پیشنهادی، شبیه‌سازی‌هایی در یک ریزشبکه DC با حملات سایبری متداول انجام شده است. نتایج نشان می‌دهد که روش پیشنهادی حملات را با دقت ۹۳.۲٪ شناسایی می‌کند، در حالی که فیلتر کالمن توسعه‌یافته تنها ۸۴.۵٪ دقت دارد. همچنین، خطای بازسازی حملات ۲۷٪ کاهش یافته و پایداری دینامیکی سیستم ۱۴٪ بهبود یافته است. نتایج نشان می‌دهد که ترکیب فیلتر کالمن مکعبی و مشاهده‌گر غیرخطی یک راهکار مقاوم و کارآمد برای افزایش تاب‌آوری ریزشبکه‌های DC در برابر حملات سایبری ارائه می‌دهد. این روش می‌تواند به‌عنوان یک چارچوب عمومی برای افزایش امنیت سایبری در شبکه‌های قدرت مدرن و سیستم‌های توزیع انرژی به کار گرفته شود.   This paper presents a novel approach for cyber-attack detection and mitigation in DC microgrids. The proposed method combines the Cubature Kalman Filter (CKF) with a Nonlinear Unknown Input Observer (NUIO) to simultaneously estimate system states and identify malicious intrusion signals. First, the dynamic model of the microgrid, incorporating uncertainties caused by cyber-attacks, is formulated. Then, the CKF enhances the accuracy of state estimation, while the nonlinear observer is designed to reconstruct malicious signals injected by attackers. To evaluate the effectiveness of the proposed method, simulations are conducted on a DC microgrid under common cyber-attacks, including data injection and false signal attacks. The results demonstrate that the proposed approach detects cyber-attacks with an accuracy of 93.2%, whereas the Extended Kalman Filter (EKF) achieves only 84.5%. Moreover, attack reconstruction errors are reduced by 27%, leading to a 14% improvement in the system's dynamic stability. These findings confirm that integrating the Cubature Kalman Filter with a Nonlinear Observer provides a robust and efficient solution for enhancing DC microgrid resilience against cyber threats. This framework can serve as a generalized approach to improving cybersecurity in modern power networks and energy distribution systems.   امنیت سایبری, ریزشبکه‌های DC, فیلتر کالمن مکعبی, مشاهده‌گر غیرخطی, شناسایی حملات سایبری, تاب‌آوری سیستم‌های قدرت. Cybersecurity, DC Microgrids, Cubature Kalman Filter, Nonlinear Observer, Cyber-Attack Detection, System Resilience. 27 41 http://jiaeee.com/browse.php?a_code=A-10-164-1&slc_lang=fa&sid=1 Sara mahmoudi rashid سارا محمودی رشید s.mahmoudirashid@tabrizu.ac.ir 100319475328460013229 100319475328460013229 No Faculty of Electrical and Computer Engineering, University of Tabriz دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز Amir rikhtehgar ghiasi امیر ریخته گر غیاثی agiasi@tabrizu.ac.ir 100319475328460013228 100319475328460013228 Yes Faculty of Electrical and Computer Engineering, University of Tabriz دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز