Algoritmo Esquilo Detecta Fragilidades na Rede Elétrica para Prevenir Apagões por Terremotos e Ciberataques

Visão Geral

• Novo algoritmo chamado Squirrel detecta fraquezas na rede elétrica.
• Pode ser aplicado a todos os tipos de perigos, incluindo terremoto, ataque malicioso e obstrução causada por esquilos.

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

Nos últimos anos, notícias surgiram de que hackers norte-coreanos penetraram uma empresa de energia americana, e hackers russos violaram uma usina nuclear. Tais apagões induzidos por hackers estão acontecendo mais frequentemente do que nunca. Desastres naturais como terremotos também desempenham um papel importante na interrupção de redes elétricas. Até esquilos (que frequentemente roem fios elétricos) representam uma séria ameaça às redes elétricas.

Para abordar estas questões, pesquisadores do Laboratório Nacional Lawrence Livermore desenvolveram um novo algoritmo chamado 'Squirrel' que permite às empresas detectar fraquezas na rede elétrica. É parte de um projeto de 3 anos (Avaliação Quantitativa de Risco de Adversário Inteligente) focado em identificar todas as ameaças possíveis à rede.

Como o algoritmo é 'agnóstico à causa', pode ser aplicado a todos os tipos de perigos, incluindo terremoto, ataque malicioso e até obstrução causada por esquilos. Resolve o problema inverso (deduzir causa a partir do efeito) e ajuda a decidir onde colocar atenção e como alocar recursos.

O Que Exatamente Ele Faz?

A parte mais difícil na identificação de riscos à rede é o efeito cascata. Uma subestação defeituosa poderia afetar toda a infraestrutura da rede. Pesquisadores implementaram seu novo algoritmo com simulador de rede elétrica open-source (simula fluxo de potência de transmissão) para estudar qual sequência de eventos teria que ocorrer para causar uma perda de 1/2 bilhão de watts de carga em um modelo de rede pequeno.

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

Simplificando, se você está preocupado com uma subestação defeituosa que colocará 10 gigawatts de carga offline e procura maneiras que poderiam fazer isso acontecer, o algoritmo pode ajudar a determinar quais falhas realmente levariam a esse resultado.

Referência: Lawrence Livermore National Laboratory

Isso ajudará agências a reduzir o número de condições possíveis e priorizar locais que poderiam levar a falhas dramáticas. O algoritmo é capaz de alterar vários parâmetros e encontrar uma solução eficiente para evitar um apagão massivo.

Embora redes elétricas desenvolvidas nos últimos anos sejam muito mais automatizadas e inteligentes, são mais vulneráveis a hackers e adversários (porque estão conectadas à internet). Atualmente, usar técnicas manuais para proteger redes não é possível: ninguém pode imaginar todos os eventos que levariam a um resultado ruim. Então, é meio necessário usar o Squirrel para reduzir a lista de eventos que causam falha.

Próximos Passos

Antes de aplicá-lo a sistemas de grande escala, o algoritmo precisa ser melhorado. Pesquisadores planejam aprimorar suas capacidades de modelagem para que possa levar em conta múltiplas consequências complexas, como eletricidade e gás, comunicação e fluxo de potência, e modelos de distribuição mais intrincados.

Até agora, trabalharam com um modelo básico que podia lidar com 46 linhas de transmissão. Estas linhas podem ser ligadas ou desligadas, resultando em 2⁴⁶ arranjos possíveis – um número extremamente grande para processar via métodos de força bruta. Para análise prática e inteligente, seu alvo é modelar um sistema de 10.000 linhas.

Leia: Um Algoritmo Linear Que Pode Localizar Smartphones Sem GPS

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