佐治亚大学的一项新研究提出一种保护可能遭受网络攻击的太阳能发电厂的新方法。在《IEEE智能电网学报》上发表的一项研究中，佐治亚大学工程学院的一个团队引入了一种传感器系统，可以实时监测太阳能发电厂的关键电子元件，以发现网络入侵的迹象。

佐治亚州电力公司米奇·A·布朗工程教授、该研究首席研究员宋文展说：“越来越多的担忧是，黑客可能会利用将太阳能发电厂与电网连接起来的转换器进行攻击。在现代并网太阳能发电场中，电力电子转换器可以远程控制，但这种互联网连接也扩大了网络攻击的可能性。”

一般来说，电力电子设备使用半导体开关器件来控制和转换从一种形式到另一种形式的电力流。这项技术通过简化制造流程、提高产品效率和改善公用事业的可靠供电，彻底改变了现代生活。

在太阳能发电场，电力电子设备将太阳能光伏板产生的直流电（DC）转换为交流电（AC），用于电网。美国能源部估计，到2030年，多达80%的电力可以通过电力电子设备传输。

为了防止网络威胁，乔治亚大学的研究人员开发了一种系统，可以只使用一个电压传感器和一个电流传感器实时检测电力电子转换器运行中的异常情况。结合深度学习方法，该系统可以区分正常情况、断路故障、短路故障和网络攻击。

“据我们所知，这之前从未尝试过。”宋说。

连接到电源转换器的小型被动传感器装置收集波形数据，并将信息提供给计算机监视器。即使攻击逃过防火墙或安全软件，传感器也会检测到电力电子设备电流中的异常活动。系统还可以运行诊断测试，以确定发生了什么类型的问题。

在家里，电能表通常每15分钟读取一次读数。该系统每秒可采集10000个样本。

与只检测异常波形的现有检测方法相比，乔治亚大学的研究人员表示，他们的系统在使用太阳能发电场模型进行测试时证明更擅长识别网络攻击。研究人员还表示，他们的系统可以识别未被编程到深度学习算法中的新型网络攻击。

研究人员已经为他们的方法提交了美国专利申请，指出传感器系统可以为制造系统、办公楼甚至智能家居提供网络攻击防护。