Learning Without Adversarial Training: A Physics-Informed Neural Network for Secure Power System State Estimation under False Data Injection Attacks

Esta pesquisa propõe uma Rede Neural Informada pela Física (PINN) para a estimativa segura do estado de sistemas de energia, projetada para defender-se contra ataques de injeção de dados falsos (FDIAs) constrangidos por furtividade. O modelo dispensa o treinamento adversarial, utilizando uma formulação de ponderação dinâmica de perda para escalar termos de ajuste de dados e resíduos físicos durante o treinamento.