Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Multi-timescale Reinforcement Security on Cyber-Physical Smart Grids: Design, Monitoring, and Operation

Description du projet

Sécuriser les systèmes énergétiques intelligents de demain

Si les réseaux intelligents modernes évoluent vers des systèmes complexes grâce à l'intégration des énergies renouvelables, cette transition accroît également leur vulnérabilité face aux pannes d'électricité générales et aux cyberattaques ciblées. Dans ce contexte, le projet MRSSG, soutenu par le programme Actions Marie Skłodowska-Curie, entend renforcer la sécurité des infrastructures électriques grâce à un cadre novateur à trois niveaux. En recourant à des techniques avancées d'apprentissage profond pour détecter les cybermenaces et à des lois de contrôle distribuées pour atténuer les perturbations en temps réel, le projet garantira la fiabilité du réseau électrique. Il intégrera également des contrôleurs autonomes destinés à assurer la stabilité physique. Le projet est entend fournir des algorithmes open source et des recommandations de mise en œuvre, afin, à terme, de garantir la sécurité des services essentiels et d'accompagner l'Europe dans sa transition vers un avenir énergétique durable, sûr et numériquement intégré.

Objectif

The rapid integration of distributed energy resources (DERs), renewable generation, and advanced communication technologies is transforming modern smart grids into complex cyber-physical systems (CPS). While these developments enhance efficiency and flexibility, they also expose power infrastructures to escalating cyber and physical threats, as highlighted by recent large-scale blackouts and targeted cyberattacks in Europe. Ensuring the resilience of CPS-based smart grids is therefore of urgent societal, economic, and scientific importance. This project, Multi-timescale Reinforcement Security on Cyber-Physical Smart Grids (MRSSG), proposes a novel three-tier security framework spanning long-, mid-, and short-term timescales. At the cyber level, the project will design spatiotemporal deep learning algorithms to detect heterogeneous attacks—including stealth, denial-of-service, replay, and false data injection—by capturing both dynamic power flow variations and network topology features. At the operational level, distributed attack-resilient control with adaptive laws will be developed to mitigate real-time disturbances and preserve reliable grid operations without reliance on centralized structures. At the physical level, a canonical self-disciplined stabilization controller will be established to guarantee large-signal stability across diverse DER converters, enabling autonomous plug-and-play resilience without disclosing sensitive system parameters. By addressing critical knowledge gaps in multi-timescale detection, mitigation, and stabilization, MRSSG will strengthen the security and reliability of European smart grids under extensive cyber-physical risks. The outcomes will contribute new theoretical foundations, open-source algorithms, and practical implementation guidelines, ensuring robust protection for essential services and supporting Europe's transition toward a sustainable, secure, and digitally integrated energy future.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2025-PF

Voir tous les projets financés au titre de cet appel

Coordinateur

THE CHANCELLOR MASTERS AND SCHOLARS OF THE UNIVERSITY OF CAMBRIDGE
Contribution nette de l'UE
€ 260 347,92
Adresse
TRINITY LANE THE OLD SCHOOLS
CB2 1TN CAMBRIDGE
Royaume-Uni
Région
East of England East Anglia Cambridgeshire CC
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée