Análisis de vulnerabilidad y resiliencia en sistemas de energía eléctrica ante la ocurrencia de un evento disruptivo deliberado

Los Sistemas de Energía Eléctrica (SEE) enfrentan interrupciones del servicio provocadas por eventos disruptivos deliberados, como ciberataques, que afectan significativamente la vulnerabilidad y la resiliencia del sistema. Estos ataques comprometen la capacidad del sistema para recuperarse y restab...

Full description

Autores:
Mosquera Palacios , Darin Jairo
Tipo de recurso:
Doctoral thesis
Fecha de publicación:
2024
Institución:
Universidad Distrital Francisco José de Caldas
Repositorio:
RIUD: repositorio U. Distrital
Idioma:
spa
OAI Identifier:
oai:repository.udistrital.edu.co:11349/94104
Acceso en línea:
http://hdl.handle.net/11349/94104
Palabra clave:
Vulnerabilidad
Evento Disruptivo
Resiliencia
Ciberataques
Algoritmo Genético
Vulnerability, Disruptive Event, Resilience, Cyberattacks, Genetic Algorithm.
Vulnerability
Disruptive event
Resilience
Cyberattacks
Genetic Algorithm
Rights
License
Abierto (Texto Completo)
Description
Summary:Los Sistemas de Energía Eléctrica (SEE) enfrentan interrupciones del servicio provocadas por eventos disruptivos deliberados, como ciberataques, que afectan significativamente la vulnerabilidad y la resiliencia del sistema. Estos ataques comprometen la capacidad del sistema para recuperarse y restablecer su funcionamiento normal, reduciendo su capacidad de respuesta y adaptación, lo que resulta en mayores pérdidas económicas y un impacto prolongado en las cargas críticas. En esta tesis Doctoral se propone un modelo de optimización, basado en el problema de interdicción, implementando un Algoritmo Genético (AG) que permitirá identificar puntos vulnerables del sistema (vectores de interdicción) y priorizar acciones de mitigación, minimizando la vulnerabilidad y maximizando la resiliencia. El análisis de vulnerabilidad, identificó los elementos más susceptibles a ser atacados, como lo son las líneas y generadores. El desarrollo del Algoritmo Genético (AG), extrajo la Matriz de Interdicción (MI) y el Vector de Interdicción (VI), que generan mayores costos al sistema ante un evento disruptivo. Se identificaron las estrategias más efectivas del agente disruptor al atacar líneas y generadores, así como la respuesta del Operador de Red (OR). Se establecieron cuatro escenarios, incluyendo el escenario base, en los cuales se aplicaron mecanismos de Respuesta a la Demanda (RD) y Generación Distribuida (GD)/Plantas de generación (PG), buscando mejorar la resiliencia del sistema. En el escenario del sistema de transmisión, al aplicar RD y PG, el sistema logró aumentar la carga atendida en un 82%, mientras que aplicando RD y PG por separado, el incremento fue del 77% y 66%, respectivamente. En el sistema de distribución, al aplicar RD y GD, el sistema logró aumentar la carga atendida en un 56%, mientras que aplicando RD y GD por separado, el incremento fue del 44% y 25% respectivamente. Además, se implementó una estrategia de reconfiguración topológica de la red eléctrica, sugiriendo configuraciones alternativas después de un evento disruptivo, con el objetivo de maximizar la resiliencia y minimizar los costos operativos y la vulnerabilidad. Finalmente, se establecieron métricas para cuantificar y cualificar la resiliencia de las acciones de mitigación del OR, reduciendo la pérdida de carga y sus costos, validadas a través de casos de estudio con redes de prueba IEEE. Entre las contribuciones, la más importante de esta tesis Doctoral es el desarrollo de una técnica de optimización basada en Algoritmo Genético (AG) que permite identificar los planes de ataque más dañinos y determinar las acciones óptimas de restauración de los elementos del sistema, como lo son las líneas y generadores.