Neuer Algorithmus sagt Stromausfall durch Hacker und Erdbeben voraus

• Neuer Algorithmus namens Squirrel erkennt Schwachstellen im Stromnetz.
• Es kann auf alle Arten von Gefahren angewendet werden, einschließlich Erdbeben, böswilliger Angriffe und Behinderungen durch Eichhörnchen.

Welche Zustände und Ausfälle in der Infrastruktur von Stromnetzen könnten zu einem dramatischen Blackout führen? Und wie könnten private Unternehmen und Regierungsorganisationen investieren, um einen katastrophalen Shutdown zu verhindern?

In den letzten Jahren wurde bekannt, dass nordkoreanische Hacker in einen amerikanischen Energieversorger und russische Hacker in ein Kernkraftwerk eingedrungen sind. Solche von Hackern verursachten Blackouts passieren heute häufiger denn je. Auch Naturkatastrophen wie Erdbeben spielen eine große Rolle bei der Unterbrechung von Stromnetzen. Sogar Eichhörnchen (die oft in elektrische Leitungen kauen) stellen eine ernsthafte Bedrohung für Stromnetze dar.

Um diese Probleme anzugehen, haben Forscher des Lawrence Livermore National Laboratory einen neuen Algorithmus namens „Eichhörnchen“ entwickelt, mit dem Unternehmen Schwachstellen im Stromnetz erkennen können. Es ist Teil eines dreijährigen Projekts (Quantitative Intelligent Adversary Risk Assessment), das sich darauf konzentriert, alle möglichen Bedrohungen für das Netz zu identifizieren.

Da der Algorithmus „ursachenunabhängig“ ist, kann er auf alle Arten von Gefahren angewendet werden, einschließlich Erdbeben, böswilliger Angriffe und sogar Behinderungen durch Eichhörnchen. Es löst das umgekehrte Problem (Ursache aus Wirkung ableiten) und hilft Ihnen bei der Entscheidung, worauf Sie Ihre Aufmerksamkeit richten und wie Sie Ressourcen zuordnen.

Was genau macht es?

Der schwierigste Teil bei der Identifizierung von Risiken für das Netz ist der Kaskadeneffekt. Ein defektes Umspannwerk könnte die gesamte Netzinfrastruktur beeinträchtigen. Die Forscher implementierten ihren neuen Algorithmus mit einem Open-Source-Stromnetzsimulator (simuliert den Übertragungsleistungsfluss), um zu untersuchen, welche Abfolge von Ereignissen eintreten müsste, um einen Lastverlust von 1/2 Milliarde Watt bei einem kleinen Stromnetzmodell zu verursachen.

In der Simulation wurden mehr als 700 kritische Ausfälle festgestellt, und fast die Hälfte dieser Ausfälle betraf ein bestimmtes Relais. Diese Art von Informationen kann sehr nützlich sein, insbesondere wenn die Ressourcen begrenzt sind.

Einfach ausgedrückt, wenn Sie sich Sorgen über ein fehlerhaftes Umspannwerk machen, das 10 Gigawatt Last offline nehmen wird, und nach Wegen suchen, wie dies geschehen könnte, kann Ihnen der Algorithmus dabei helfen, festzustellen, welche Ausfälle tatsächlich zu diesem Ergebnis führen würden.

Referenz:Lawrence Livermore National Laboratory

Dies wird Agenturen helfen, die Anzahl möglicher Bedingungen einzuschränken und Standorte zu priorisieren, die zu dramatischen Ausfällen führen könnten. Der Algorithmus ist in der Lage, mehrere Parameter zu ändern und eine effiziente Lösung zu finden, um einen massiven Ausfall zu vermeiden.

Obwohl die in den letzten Jahren entwickelten Stromnetze viel automatisierter und intelligenter sind, sind sie anfälliger für Hacker und Gegner (weil sie mit dem Internet verbunden sind). Derzeit ist es nicht möglich, Netze mit manuellen Techniken zu sichern:Niemand kann sich alle Ereignisse ausdenken, die zu einem bösen Ergebnis führen würden. Es ist also notwendig, Squirrel zu verwenden, um die Liste der Ereignisse einzugrenzen, die einen Fehler verursachen.

Wie geht es weiter?

Vor der Anwendung auf Großsysteme muss der Algorithmus verbessert werden. Die Forscher planen, seine Modellierungsfunktionen zu verbessern, damit mehrere komplexe Konsequenzen berücksichtigt werden können, z. B. Strom und Gas, Kommunikation und Stromfluss sowie komplexere Verteilungsmodelle.

Bisher arbeiteten sie mit einem Basismodell, das 46 Übertragungsleitungen bewältigen konnte. Diese Leitungen können entweder aus- oder eingeschaltet werden, es gäbe also 2⁴⁶ Anordnungsmöglichkeiten – eine extrem große Zahl, die mit Brute-Force-Methoden zu verarbeiten wäre. Für eine praktische und intelligente Analyse besteht ihr Ziel darin, ein 10.000-Linien-System zu modellieren.

Lesen Sie:Ein linearer Algorithmus, der Smartphones ohne GPS orten kann

In Zukunft werden Forscher auch mit Behörden zusammenarbeiten, um Schwachstellen zu erkennen und eine Risikobewertung mit realen Stromnetzen durchzuführen, um genauere Modelle zu erstellen.