Algorithme « Écureuil » détecte les faiblesses du réseau électrique pour prévenir les pannes causées par séismes et cyberattaques

• Un nouvel algorithme nommé Squirrel détecte les faiblesses dans le réseau électrique.
• Il peut être appliqué à tous types de dangers, y compris séisme, attaque malveillante et obstruction causée par des écureuils.

Quelles conditions et défaillances dans l'infrastructure des réseaux électriques pourraient entraîner un blackout dramatique ? Et comment les entreprises privées et les organisations gouvernementales pourraient-elles investir pour aider à prévenir un arrêt désastreux ?

Au cours des dernières années, des nouvelles ont émergé selon lesquelles des pirates nord-coréens ont pénétré une entreprise énergétique américaine, et des pirates russes ont violé une centrale nucléaire. De tels blackouts induits par des pirates se produisent maintenant plus fréquemment que jamais. Les catastrophes naturelles comme les séismes jouent également un rôle majeur dans la perturbation des réseaux électriques. Même les écureuils (qui rongent souvent les fils électriques) posent une menace sérieuse pour les réseaux électriques.

Pour répondre à ces problèmes, des chercheurs du Lawrence Livermore National Laboratory ont développé un nouvel algorithme nommé « Squirrel » qui permet aux entreprises de détecter les faiblesses du réseau électrique. Il fait partie d'un projet de 3 ans (Évaluation quantitative des risques d'adversaires intelligents) axé sur l'identification de toutes les menaces possibles pour le réseau.

Puisque l'algorithme est « agnostique à la cause », il peut être appliqué à tous types de dangers, y compris séisme, attaque malveillante et même obstruction causée par des écureuils. Il résout le problème inverse (déduire la cause de l'effet) et vous aide à décider où porter votre attention et comment allouer les ressources.

Que fait-il exactement ?

La partie la plus difficile dans l'identification des risques pour le réseau est l'effet de cascade. Une sous-station défectueuse pourrait affecter toute l'infrastructure du réseau. Les chercheurs ont implémenté leur nouvel algorithme avec un simulateur de réseau électrique open source (simule le flux de puissance de transmission) pour étudier quelle séquence d'événements devrait se produire pour causer une perte de 500 millions de watts de charge sur un petit modèle de réseau.

La simulation a détecté plus de 700 défaillances critiques de conséquence, et près de la moitié de ces défaillances impliquaient un relais spécifique. Ce type d'information pourrait être très utile, surtout lorsque les ressources sont limitées.

Simplement dit, si vous êtes préoccupé par une sous-station défectueuse qui mettra 10 gigawatts de charge hors ligne et que vous cherchez les moyens qui pourraient le faire se produire, l'algorithme peut vous aider à déterminer quelles défaillances conduiraient réellement à ce résultat.

Référence : Lawrence Livermore National Laboratory

Cela aidera les agences à réduire le nombre de conditions possibles et à prioriser les emplacements qui pourraient mener à des défaillances dramatiques. L'algorithme est capable de modifier plusieurs paramètres et de trouver une solution efficace pour éviter une panne massive.

Bien que les réseaux électriques développés ces dernières années soient beaucoup plus automatisés et intelligents, ils sont plus vulnérables aux pirates et aux adversaires (car ils sont connectés à Internet). Actuellement, l'utilisation de techniques manuelles pour sécuriser les réseaux n'est pas possible : personne ne peut imaginer tous les événements qui mèneraient à un résultat catastrophique. Il est donc nécessaire d'utiliser Squirrel pour réduire la liste des événements causant des défaillances.

Quelle suite ?

Avant de l'appliquer à des systèmes à grande échelle, l'algorithme doit être amélioré. Les chercheurs prévoient d'améliorer ses capacités de modélisation pour qu'il puisse prendre en compte des conséquences multiples et complexes, telles que l'électricité et le gaz, la communication et le flux de puissance, et des modèles de distribution plus complexes.

Jusqu'à présent, ils ont travaillé avec un modèle de base qui pouvait gérer 46 lignes de transmission. Ces lignes peuvent être soit éteintes soit allumées, il y aurait donc 2⁴⁶ arrangements possibles – un nombre extrêmement grand à traiter par des méthodes de force brute. Pour une analyse pratique et intelligente, leur objectif est de modéliser un système à 10 000 lignes.

À lire : Un algorithme linéaire qui peut localiser les smartphones sans GPS

À l'avenir, les chercheurs collaboreront également avec des agences pour détecter les vulnérabilités et réaliser des évaluations de risques en utilisant de vrais réseaux électriques pour produire des modèles plus précis.