Novo algoritmo prevê queda de energia causada por hackers e terremotos

• Novo algoritmo chamado Squirrel detecta pontos fracos na rede elétrica.
• Pode ser aplicado a todos os tipos de perigos, incluindo terremotos, ataques maliciosos e obstruções causadas por esquilos.

Que condições e falhas na infraestrutura das redes elétricas podem levar a um apagão dramático? E como empresas privadas e organizações governamentais poderiam investir para ajudar a prevenir um desligamento desastroso?

Nos últimos anos, surgiram notícias de que hackers norte-coreanos invadiram uma concessionária de energia americana e hackers russos invadiram uma usina nuclear. Esses apagões induzidos por hackers estão acontecendo com mais frequência do que nunca. Desastres naturais como terremotos também desempenham um papel importante na interrupção das redes de energia. Até mesmo os esquilos (que costumam mastigar fios elétricos) representam uma séria ameaça às redes de energia.

Para resolver esses problemas, os pesquisadores do Lawrence Livermore National Laboratory desenvolveram um novo algoritmo chamado ‘Squirrel’, que permite às empresas detectar pontos fracos na rede elétrica. É uma parte de um projeto de 3 anos (Quantitative Intelligent Adversary Risk Assessment) com foco na identificação de todas as ameaças possíveis à rede.

Uma vez que o algoritmo é "agnóstico de causa", ele pode ser aplicado a todos os tipos de perigos, incluindo terremotos, ataques maliciosos e até mesmo obstruções causadas por esquilos. Ele resolve o problema inverso (deduzir causa do efeito) e ajuda a decidir onde colocar a atenção e como alocar recursos.

O que exatamente ele faz?

A parte mais difícil na identificação de riscos para a rede é o efeito cascata. Uma subestação com defeito pode afetar toda a infraestrutura da rede. Os pesquisadores implementaram seu novo algoritmo com um simulador de rede de energia de fonte aberta (simula o fluxo de energia de transmissão) para estudar que sequência de eventos teria que ocorrer para causar uma perda de 1/2 bilhão de watts de carga em um modelo de rede pequena.

A simulação detectou mais de 700 falhas críticas de consequência, e quase metade dessas falhas envolveram um relé específico. Este tipo de informação pode ser muito útil, especialmente quando os recursos são limitados.

Simplificando, se você estiver preocupado com uma subestação defeituosa que deixará 10 gigawatts de carga offline e procurando maneiras de fazer isso acontecer, o algoritmo pode ajudá-lo a determinar quais falhas realmente levariam a esse resultado.

Referência:Laboratório Nacional Lawrence Livermore

Isso ajudará as agências a reduzir o número de condições possíveis e priorizar locais que podem levar a falhas dramáticas. O algoritmo é capaz de alterar vários parâmetros e encontrar uma solução eficiente para evitar uma indisponibilidade massiva.



Embora as redes elétricas desenvolvidas nos últimos anos sejam muito mais automatizadas e inteligentes, são mais vulneráveis ​​a hackers e adversários (porque estão conectadas à Internet). No momento, o uso de técnicas manuais para proteger as redes não é possível:ninguém pode imaginar todos os eventos que levariam a um resultado desagradável. Então, é meio necessário usar o Squirrel para restringir a lista de eventos que causam falha.

O que vem a seguir?

Antes de aplicá-lo em sistemas de grande escala, o algoritmo precisa ser aprimorado. Os pesquisadores planejam aprimorar seus recursos de modelagem para que possam levar em consideração consequências múltiplas e complexas, como eletricidade e gás, comunicação e fluxo de energia e modelos de distribuição mais complexos.

Até agora, eles trabalharam com um modelo básico que poderia lidar com 46 linhas de transmissão. Essas linhas podem ser desligadas ou ligadas, portanto, haveria 2⁴⁶ arranjos possíveis - um número extremamente grande para processar por meio de métodos de força bruta. Para uma análise prática e inteligente, seu objetivo é modelar um sistema de 10.000 linhas.

Leia:Um algoritmo linear que pode localizar smartphones sem GPS

No futuro, os pesquisadores também colaborarão com agências para detectar vulnerabilidades e realizar avaliações de risco usando redes de energia reais para produzir modelos mais precisos.