Critical infrastructures fault diagnosis and interdependency modeling : a hybrid systems approach

Abstract

Τα κρίσιμα συστήματα υποδομής, όπως τα συστήματα ηλεκτρικής ενέργειας, τα δίκτυα τηλεπικοινωνιών και τα συστήματα παροχής νερού, παρέχουν τις απαραίτητες υπηρεσίες που είναι ζωτικής σημασίας για τη διατήρηση της ποιότητας ζωής και της ασφάλειας των πολιτών, καθώς και της οικονομικής σταθερότητας των σύγχρονων κοινωνιών. Τα κρίσιμα συστήματα υποδομής έχουν εξελιχθεί σε συστήματα μεγάλης κλίμακας με πολλαπλά στοιχεία τα οποία μπορούν να υποστούν σφάλματα, υποβαθμίσεις, κακόβουλες επιθέσεις κ.λπ., τα οποία μπορούν να προκαλέσουν σοβαρές αρνητικές συνέπειες στην επιχειρησιακή ικανότητα κάθε κρίσιμης υποδομής. Επιπλέον, επειδή οι κρίσιμες υποδομές έχουν διάφορες αλληλεξαρτήσεις μεταξύ τους, ένα σφάλμα από μια υποδομή μπορεί να μεταδοθεί σε άλλη, επηρεάζοντας την κανονική λειτουργία πολλών υποδομών. Οι μέθοδοι διάγνωσης σφαλμάτων είναι βασικά εργαλεία που επιτρέπουν τη γρήγορη ανίχνευση και τον εντοπισμό σφαλμάτων, επιτρέποντας στους χειριστές της κάθε κρίσιμης υποδομής να λάβουν συγκεκριμένες ενέργειες για την επίλυση των σφαλμάτων προτού προκαλέσουν περισσότερη ζημιά στην ίδια την υποδομή ή να μεταδοθούν σε άλλες υποδομές. Επίσης, οι μεθοδολογίες μοντελοποίησης αλληλεξαρτήσεων των κρίσιμων συστημάτων υποδομής μπορούν να παρέχουν πολύτιμες πληροφορίες σχετικά με το πώς τα σφάλματα μπορούν να μεταφερθούν από τη μία υποδομή στην άλλη, επιτρέποντας στους χειριστές των κρίσιμων υποδομών να σχεδιάσουν στρατηγικές πρόληψης που θα θωρακίζουν τις υποδομές τους από πιθανές βλάβες λόγο αλληλεξαρτήσεων. Επομένως, τόσο οι μέθοδοι διάγνωσης σφαλμάτων όσο και η μοντελοποίηση αλληλεξαρτήσεων είναι αρκετά ισχυρά εργαλεία στα χέρια των χειριστών των κρίσιμων συστημάτων υποδομής, βοηθώντας τους να διατηρήσουν την ομαλή λειτουργία των συστημάτων τους και να ελαχιστοποιήσουν τη διακοπής της λειτουργίας τους. Ένα βασικό στοιχείο για την αποτελεσματικότητα των δύο αυτών μεθόδων είναι η δημιουργία ρεαλιστικών και πρακτικών μοντέλων για αυτά τα συστήματα. Τα κρίσιμα συστήματα υποδομής έχουν εξελιχθεί σε συστήματα μεγάλης κλίμακας που αντιπροσωπεύονται καλύτερα ως υβριδικά συστήματα, καθώς συνδυάζουν δυναμικά στοιχεία σε συνεχή χρόνο καθώς και σε διακριτά γεγονότα. Για παράδειγμα, σε ένα σύστημα υποδομής νερού, η ροή του νερού εξελίσσεται σε συνεχή χρόνο, ενώ η έναρξη ή η λήξη της λειτουργία των αντλιών και βαλβίδων είναι διακριτά γεγονότα. Με βάση τα πιο πάνω, η διατριβή αυτή προτείνει μεθόδους διάγνωσης σφαλμάτων καθώς και μεθοδολογία μοντελοποίησης αλληλεξαρτήσεων βασισμένα σε υβριδικά συστήματα, οπού που προσφέρουν ευεργετικά χαρακτηριστικά για την προστασία και την αξιοπιστία των κρίσιμων συστημάτων υποδομής. Συγκεκριμένα, προτείνονται μέθοδοι διάγνωσης σφαλμάτων θεωρώντας τις κρίσιμες υποδομές ως αβέβαια μη γραμμικά υβριδικά συστήματα. Αρχικά, διερευνάται η περίπτωση μιας κατηγορίας αβέβαιων μη γραμμικών υβριδικών συστημάτων, όπου και προτείνεται μια μέθοδος διάγνωσης σφαλμάτων για αυτήν την περίπτωση που είναι ικανή να ανιχνεύσει και να απομονώσει αποτελεσματικά σφάλματα που συμβαίνουν τόσο στο κομμάτι του συνεχούς χρόνου (παραμετρικά σφάλματα) όσο και στο κομμάτι των διακριτών γεγονότων (διακριτά σφάλματα), χωρίς να προκύπτουν ψευδείς συναγερμοί λόγο ύπαρξης αβεβαιότητας στη μοντελοποίηση. Στη συνέχεια, διερευνάται η περίπτωση μιας πιο γενικής κατηγορίας αβέβαιων μη γραμμικών υβριδικών συστημάτων, η οποία περιλαμβάνει θόρυβο καθώς και αυτόνομες μεταβάσεις διακριτών γεγονότων. Για αυτήν την περίπτωση προτείνεται μέθοδος διάγνωσης, η οποία ενσωματώνει μέθοδο φιλτραρίσματος για μείωση του θορύβου και υπολογισμό αυστηρότερων ορίων ανίχνευσης, μαζί με έναν νέο αλγόριθμο για την ταχεία αναγνώριση των αυτόνομων μεταβάσεων διακριτών γεγονότων, την αποτελεσματική εκτίμηση της υβριδικής κατάστασης και την πρόληψη ψευδών συναγερμών. Τέλος, διερευνάται επίσης η περίπτωση βλαβών σε αισθητήρες σε αβέβαια μη γραμμικά υβριδικά συστήματα. Για αυτή την περίπτωση προτείνεται μεθοδολογία διάγνωσης σφαλμάτων αισθητήρα που ενσωματώνει ένα νέο τρόπο εκμάθησης της αβεβαιότητας μοντελοποίησης, και είναι ικανή να ανιχνεύει σφάλματα σε αισθητήρες αποτελεσματικά και να εκτιμά με ακρίβεια το μέγεθος τους. Για όλες τις προτεινόμενες μεθόδους διάγνωσης σφαλμάτων, παρέχονται αναλυτικά συνθήκες ανιχνευσιμότητας και διάγνωσης, ενώ η αποτελεσματικότητά τους αποδεικνύεται μέσω Προσομοιώσεων. Σε αυτή τη διατριβή προτείνεται επίσης μια γενική μεθοδολογία για μοντελοποίηση αλληλεξαρτήσεων των κρίσιμων συστημάτων υποδομής. Η προτεινόμενη μεθοδολογία έχει βάση τα υβριδικά συστήματα και επιτρέπει την μοντελοποίηση των συστημάτων διαφορετικών υποδομών και των εξαρτήσεων τους. Στη συνέχεια, χρησιμοποιώντας την ιδιότητα της σύνθεση, τα διάφορα μοντέλα των συστημάτων συντίθενται μαζί, δημιουργώντας ένα μεγαλύτερο μοντέλο ικανό να αντιπροσωπεύσει κατάλληλα αλληλεξαρτώμενες κρίσιμες υποδομές. Το μοντέλο αυτό μπορεί να χρησιμοποιηθεί σε λεπτομερείς προσομοιώσεις για: μελέτη των επιπτώσεων των αλληλεξαρτήσεων, εκτέλεση αξιολογήσεων ευαισθησίας και ανάπτυξη στρατηγικών συντήρησης. Το κύριο πλεονέκτημα της προτεινόμενης μεθοδολογίας μοντελοποίησης είναι η ικανότητα να αντιπροσωπεύει τα διαφορετικά συστήματα των κρίσιμων υποδομών και των αλληλεξαρτήσεων με φυσικό τρόπο και σε διαφορετικά επίπεδα. Η προτεινόμενη μεθοδολογία μοντελοποίησης χρησιμοποιείται επίσης για μοντελοποίηση αλληλεξαρτήσεων στην εικονική πόλη Μικρόπολης δείχνοντας την πρακτικής της εφαρμογή.

Critical infrastructure systems (CISs), such as electrical power systems, telecommunication networks, and water supply systems, provide the necessary services that are vital for maintaining the quality of life and safety of citizens, as well as the economic security of modern societies. CISs have evolved into large-scale systems with numerous components that can suffer from failures, degradation, malicious attacks, etc., and can cause serious negative consequences to the operational capacity of each CIS. Moreover, because CISs have various interdependencies between them, a fault from one infrastructure can cascade to another, impacting the normal operation of several infrastructures. Fault diagnosis methods are essential tools that enable quick detection and identification of faults, allowing the infrastructure operators to take specific actions to resolve the faults before causing more damage to the infrastructure or cascade to other infrastructures. On the other hand, CISs interdependency modeling methodologies can provide valuable insights on how faults can cascade from one infrastructure to another, allowing CISs operators to devise prevention strategies that would make their infrastructures more robust to possible interdependency cascading faults. Thus, both fault diagnosis and interdependency modeling methods are quite powerful tools in the hands of CISs operators, helping them keep their systems running smoothly and minimizing downtimes. A key element for making both these methods effective is having realistic and practical model representations for the systems. CISs have evolved over the years into large-scale systems that are best represented as hybrid systems since they combine both time-driven and discrete-event dynamics. For instance, in a water infrastructure system, the water flow evolves in time, while the switching of pumps and valves are discrete-events. To this end, this thesis dissertation proposes fault diagnosis methods and an interdependency modeling framework based on hybrid systems that offer beneficial characteristics for the protection and reliability of CISs. Specifically, suitable fault diagnosis approaches are proposed by considering CISs as uncertain nonlinear hybrid systems. Initially, the case of a class of uncertain nonlinear hybrid systems is investigated. A fault diagnosis approach is proposed for this case that is capable of detecting and isolating effectively faults occurring in both the time-driven dynamics part (i.e., parametric faults) and the discrete-event dynamics part (i.e., discrete faults), without any false alarms due to modeling uncertainty. Next, the case of a more general class of uncertain nonlinear hybrid systems is investigated, which includes measurement noise and autonomous transitions. A fault diagnosis approach is proposed for this case, which incorporates a filtering method for noise attenuation and calculation of tighter detection thresholds, along with a novel algorithm for the quick identification of autonomous discrete state transitions, effective hybrid state estimation, and prevention of false alarms. Lastly, the case of sensor faults in uncertain nonlinear hybrid systems is also investigated. A sensor bias fault diagnosis approach is proposed that incorporates a novel modeling uncertainty learning scheme capable of detecting sensor faults effectively and accurately estimating their magnitudes. For all the proposed fault diagnosis approaches, rigorous detectability and isolability conditions are analytically derived, while their effectiveness is demonstrated through simulation results. A unified and convenient framework for CISs interdependency modeling is also proposed in this thesis dissertation. The proposed framework employs open hybrid automata for modeling components of different CISs and their dependencies. Then using composition, the various components models are composed together, creating a larger model capable of representing interdependent CISs. The composition model can be used in detailed simulations to: study the cascading effects of interdependencies, perform vulnerability assessments, and develop maintenance planning strategies. The main advantage of the proposed modeling framework is its ability to represent the different critical infrastructures components and their interdependencies naturally and at different levels of abstraction. The proposed modeling framework is also used for modeling interdependencies in the virtual city of Micropolis to illustrate its practical application.