Se illa, 2024
Diseño de un Sis ema ole an e a
Cibe a aques median e Con ol
P edic i o Basado en Modelo
Au o : Simón Gu ié ez de Ra é Se ano
Tu o a: Ascensión Za a Cabeza
Dp o. de Ingenie ía de Sis emas y Au omá ica
Escuela Técnica Supe io de Ingenie ía
Uni e sidad de Se illa
T abajo Fin de Más e
Más e Uni e si a io en Ingenie ía Ae onáu ica
T abajo Fin de Más e
Más e Uni e si a io en Ingenie ía Ae onáu ica
Diseño de un Sis ema ole an e a Cibe a aques
median e Con ol P edic i o Basado en
Modelo
Au o :
Simón Gu ié ez de Ra é Se ano
Tu o a:
Ascensión Za a Cabeza
P o eso a i ula
Dp o. de Ingenie ía de Sis emas y Au omá ica
Escuela Técnica Supe io de Ingenie ía
Uni e sidad de Se illa
Se illa, 2024
T abajo de Fin de Más e : Diseño de un Sis ema ole an e a Cibe a aques median e
Con ol P edic i o Basado en Modelo
Au o :
Simón Gu ié ez de Ra é Se ano
Tu o a:
Ascensión Za a Cabeza
El ibunal nomb ado pa a juzga el P oyec o a iba indicado, compues o po los
siguien es miemb os:
P esiden e:
Vocales:
Sec e a io:
Acue dan o o ga le la cali icación de:
El Sec e a io del T ibunal
Fecha:

I
Resumen
La cibe segu idad se p esen a como uno de los aspec os más impo an es en la mayo ía
de los p ocesos in o má icos de la ac ualidad, siendo la a iedad de los cibe a aques cada
ez más ex ensa y compleja. Es po ello po lo que, la in es igación y desa ollo de
p og amas y algo i mos los cuales sean capaces de de ec a es os a aques se ha con e ido
en un pila undamen al y necesa io pa a ela po la segu idad de odo aquel equipo, ed
o sis ema que pueda se obje o de es e ipo de delincuencia.
El obje i o de es e p oyec o es la simulación de cibe a aques y comp obación del
uncionamien o de mé odos de de ección que puedan se e icaces pa a es e ipo pa icula
de ac os ilíci os. Pa a ello se abaja á sob e una mic o ed expe imen al, la cual se
encuen a ubicada en el Cen o de Expe imen ación de El A enosillo (CEDEA),[1].
A lo la go del documen o se desa olla á oda la in o mación necesa ia pa a comp ende
el uncionamien o de una mic o ed y los concep os básicos de los cibe a aques.
Pos e io men e se de alla án los undamen os eó icos de los mé odos de de ección y
inalmen e se ealiza án las simulaciones de los cibe a aques a dis in os elemen os de la
mic o ed.
III
Abs ac
Cybe secu i y eme ges as one o he mos c i ical aspec s in he majo i y o cu en
compu e p ocesses, wi h he a ie y o cybe a acks becoming inc easingly ex ensi e
and complex. This is why he esea ch and de elopmen o p og ams and algo i hms
capable o de ec ing hese a acks ha e become a undamen al and necessa y pilla o
ensu e he secu i y o any equipmen , ne wo k, o sys em ha may be he a ge o his
ype o c ime.
The objec i e o his p ojec is he simula ion o cybe a acks and he e i ica ion o he
unc ionali y o de ec ion me hods ha can be e ec i e o his pa icula ype o illici
ac i i y. To achie e his, we will wo k on an expe imen al mic og id, which is loca ed a
he El A enosillo Expe imen a ion Cen e (CEDEA),[1].
Th oughou he documen , all he necessa y in o ma ion will be de eloped o unde s and
he ope a ion o a mic og id and he basics o cybe a acks. Subsequen ly, he heo e ical
ounda ions o de ec ion me hods will be de ailed, and inally, simula ions o cybe
a acks on di e en elemen s o he mic og id will be ca ied ou .
X
No ación
𝑥(𝑡) Valo de 𝑥 en el ins an e de 𝑡
𝑥(𝑡+𝑘|𝑡) Valo de 𝑥 en el ins an e 𝑡+𝑘 calculado en el ins an e 𝑡
𝑥 Valo es imado de 𝑥
𝑥 E o en la es imación de 𝑥
𝐴𝑇 T aspues a de 𝐴
𝐴−1 In e sa de la ma iz 𝐴
𝑒.𝑜.𝑐. En cualquie o o caso
𝑃(𝐴) P obabilidad del suceso 𝐴
𝐸[𝑋] Valo espe ado de la a iable alea o ia 𝑋
𝜎𝑋 Des iación es ánda de la a iable alea o ia 𝑋
𝐹(𝑥) Función de Dis ibución
𝐹−1 In e sa de la Función de Dis ibución
𝑓(𝑥) Función de Densidad
𝑃(𝑡) Ma iz de co a ianza del e o de una es imación en el ins an e
𝐼𝑛 Ma iz iden idad de dimensión 𝑛
𝐴𝑚𝑥𝑛 Ma iz 𝐴 con 𝑚 ilas y 𝑛 columnas
= Igual que
< Meno que
> Mayo que
≤ Meno o igual
≥ Mayo o igual
𝑥 Vec o de es ados

XI
𝑢 Vec o de en adas manipulables
𝑦 Vec o salidas
𝑑 Vec o de pe u baciones
𝑇𝑠 Tiempo de mues eo
∑𝑥
𝑁
𝑖=1 Suma o io de 𝑖=1 has a 𝑁 de 𝑥
𝑚á𝑥 𝑥(𝑡) Máximo de 𝑥(𝑡)
𝑚í𝑛 𝑥(𝑡) Mínimo de 𝑥(𝑡)
𝑠.𝑡. Suje o a
𝑏∙10𝑎 Fo ma o cien í ico
1
1 In oducción
1.1 Si uación ac ual
En la e a digi al ac ual, nos encon amos sume gidos en una cons an e conec i idad y
dependencia de las conocidas como ecnologías de la in o mación y la comunicación
(TIC). La abundancia de disposi i os y elemen os in e conec ados ha dado luga a la
o mación de mic o edes, en o nos de sis emas dis ibuidos o mados po gene ado es y
ca gas de modo que sea posible abas ece se de mane a au ónoma median e la
combinación de sis emas de gene ación adicionales y de o igen eno able, de mane a
que se ges ione la demanda del modo más e icien e posible con is as a p olonga la ida
ú il de los componen es, así como un aho o ene gé ico [2].
La u ilización y c eación de las mic o edes hubiese sido in iable años a ás dado el
ele ado cos e de sus componen es y la baja e iciencia de es os, sin emba go, las ecien es
mejo as en es os elemen os han con ibuido a que la c eación de mic o edes sea una
ealidad iable g acias a:
● Sus bene icios en é minos de sos enibilidad medioambien al
● La caída de los cos es de las ecnologías de almacenamien o ene gé ico y sis emas
de gene ación de ene gías eno ables (paneles sola es, ae ogene ado es…)
● El desa ollo de sis emas de con ol in eligen e que con ie en a las mic o edes
en en o nos in eligen es pe mi iendo la ges ión ac i a de eca gas eléc icas y
ene gía almacenada, educiendo los cos es del suminis o eléc ico.
El p esen e abajo abo da el desa ío c í ico de la de ección de cibe a aques que pudie an
ocu i en es as mic o edes, pa a ello se u iliza án algo i mos basados en modelos, los
cuales se desa olla án y explica án a lo la go de la elabo ación de es e documen o. La
segu idad cibe né ica se ha con e ido en una p io idad pa a la g an mayo ía de las
emp esas hoy día, así como pa a los usua ios dia ios de in e ne , ya que la elabo ación y
di e si icación de los a aques cibe né icos han ido e olucionando de mane a exponencial.
No son una excepción las mic o edes, con una compleja in aes uc u a y a iedad de
disposi i os in e conec ados, las cuales pueden ambién su i de es os cibe a aques,
siendo una g an p eocupación pa a los usua ios de es as.
Es e abajo se cen a en la de ección de cibe a aques en mic o edes, combinando la
eo ía ecopilada en ema de cibe segu idad con las capacidades de los algo i mos basados
en modelo con la espe anza de o alece la esiliencia de las mic o edes en un en o no
digi al cada ez más a ec ado po los a aques cibe né icos.
2
1.2 Aplicación p ác ica del p oyec o
Una ez in oducido el ema p incipal a abo da , la mejo mane a de en ende cómo se ía
la si uación eal/p ác ica a la que nos en en amos es buscando una aplicación di ec a de
la p oblemá ica a a a .
Pa a ello, se p ocede a ealiza la simulación de los hipo é icos cibe a aques sob e una
mic o ed expe imen al si uada en el “Cen o de Expe imen ación De El A enosillo
“(CEDEA), ubicado en Huel a y pe enecien e al Ins i u o Nacional de Técnica
Ae oespacial (INTA).
La mic o ed po es udia es á compues a po un conjun o de placas o o ol aicas, un
ae ogene ado , ba e ías de ácido plomo-li io y de ion li io, un elec olizado , una ca ga y
una uen e de alimen ación p og amables, supe condensado es y un pun o de eca ga pa a
ehículos híb idos y uno eléc ico.
Es á con olada po un con olado p edic i o basado en modelo (Model P edic i e
Con ol, MPC) ([3],[4],[5]), el cual se enca ga de con ola los in e cambios de po encia
en e los elemen os que con o man la mic o ed.
El MPC, es un ipo de con ol clasi icado como écnica de con ol óp imo, basado en un
modelo lineal del sis ema que calcula señales de con ol óp imas pa a en ia al sis ema a
pa i de un es ado es imado a lo la go de un ho izon e y de las señales de con ol
an e io men e en iadas.
1.3 Ejecución
Pa a el desa ollo de las p uebas y simulaciones se ha pa ido de un modelo implemen ado
en Simulink®, un en o no de p og amación isual que unciona sob e el en o no de
p og amación Ma lab® (MAT i LABo a o y) [6] Simulink® es una he amien a de
simulación de modelos o sis emas, la cual pe mi e modela la mic o ed g á icamen e
median e bloques e in oduci unciones de Ma lab® que se ejecu an en combinación con
la simulación del modelo c eado en Simulink®.
Sob e el modelo o iginal, se ealiza án las modi icaciones pe inen es, con el obje i o de
que las simulaciones ealizadas se co espondan con posibles cibe a aques a la mic o ed.
3
2 Mic o edes: Funcionamien o y
Tipología
En la si uación ac ual de búsqueda cons an e de soluciones sos enibles, las mic o edes
eme gen como elemen os cla e en la ans o mación de ene gía dis ibuida. Es e capí ulo
se aden a en el ecosis ema de las mic o edes, a ando de explo a los mecanismos de
uncionamien o y ipologías de es as mic o edes, las cuales aba can desde aplicaciones
esidenciales has a en o nos indus iales.
El asgo que dis ingue a las mic o edes es su capacidad pa a ope a de mane a au ónoma
o conec ada a la ed p incipal, adap ándose a las demandas especí icas de comunidades,
ins alaciones come ciales y sec o es indus iales (Figu a 2.1).
En esumen, en es e capí ulo se p opo ciona á una isión gene al de las mic o edes,
desde sus undamen os écnicos has a su aplicación p ác ica.
Figu a 2.1 Modelo gene al de una Mic o ed. Fuen e [7]

4
2.1 Ecosis ema de las Mic o edes
2.1.1 De inición y ca ac e ís icas
Las mic o edes se de inen como sis emas locales de gene ación, almacenamien o y
consumo de elec icidad. A di e encia de las edes eléc icas con encionales, las
mic o edes ienen capacidad de ope a de mane a au ónoma o conec adas a la ed
p incipal, apo ando lexibilidad y esiliencia an e posibles in e upciones. De en e las
ca ac e ís icas pa icula es de las mic o edes se incluyen la di e si icación de uen es de
ene gía, la in eg ación de ecnologías de almacenamien o (ba e ías) y sis emas de ges ión
a anzada.
2.1.2 Impo ancia en la ansición ene gé ica
En la ansición ene gé ica las mic o edes desempeñan un papel c ucial. Su capacidad
pa a inco po a uen es de ene gía eno able, como sola o eólica, con ibuye
signi ica i amen e a la educción de emisiones de ca bono y a la c eación de sis emas
más limpios y e icien es. Además, las mic o edes pe mi en la descen alización de la
gene ación de ene gía, p omo iendo la au onomía local y disminuyendo la dependencia
de uen es cen alizadas.
2.1.3 Componen es p incipales
El ecosis ema de las mic o edes comp ende a ios componen es in e conec ados que
colabo an pa a ga an iza su uncionamien o de mane a e icien e. En e los elemen os
cla e se encuen an [8]:
● Gene ación descen alizada: Inco po ando di e sas uen es de ene gía, como
paneles sola es, ae ogene ado es o sis emas de cogene ación, pe mi iendo una
p oducción adap ada a las necesidades especí icas de la mic o ed.
● Almacenamien o de ene gía: U ilizando ecnologías de almacenamien o como
ba e ías o sis emas de almacenamien o é mico que sean capaces de ges iona el
exceden e de ene gía du an e pe iodos de baja demanda y libe a lo cuando la
demanda es al a.
● Ges ión in eligen e: Implemen ando sis emas de con ol a anzados que
moni o izan la demanda, ajus an la gene ación en iempo eal y op imizan el uso
de ecu sos disponibles.
● Redes de comunicación: Facili ando la comunicación en e las di e en es pa es
de una mic o ed, pe mi iendo una coo dinación e icaz y la ansmisión de da os
esenciales pa a la ges ión y con ol.
Es os componen es o o gan la capacidad de adap a se a a iaciones en la demanda,
cambios en las condiciones climá icas y e en os imp e is os, consolidando así la idea
de que las mic o edes son una solución in eg al en la búsqueda de sis emas
ene gé icos más sos enibles y esilien es.
5
2.2 Funcionamien o de las Mic o edes
2.2.1 Ope ación au ónoma en e conexión a la ed p incipal
La ca ac e ís ica p incipal de las mic o edes es su capacidad pa a ope a an o de mane a
au ónoma como conec ada a la ed p incipal [2]. En el modo au ónomo, la mic o ed es
capaz de gene a , almacena y dis ibui ene gía de mane a independien e, lo que esul a
de ex ema u ilidad en si uaciones de eme gencia o en ubicaciones muy emo as en las
cuales la conexión a la ed p incipal no sea posible o sea limi ada. Sin emba go, la
ope ación de la mic o ed uncionando conec ada a la ed p incipal pe mi e ob ene el
bene icio de la es abilidad y los ecu sos adicionales p opo cionados po la ed global,
con ibuyendo a la e iciencia y lexibilidad del sis ema.
2.2.2 In eg ación de uen es de ene gía eno able
Las uen es de ene gía eno able (Figu a 2.2) cons i uyen un pila undamen al en el
uncionamien o de las mic o edes. La di e si icación de es as uen es, como la ene gía
sola y eólica, no solo educe la dependencia a los combus ibles ósiles, sino que ambién
p omue e el uso de una ene gía más limpia y sos enible. La capacidad de adap a la
gene ación a las condiciones climá icas locales pe mi e consegui una p oducción
e icien e.
Figu a 2.2: Fuen es de ene gía eno ables. Fuen e: [9]
6
2.2.3 Ges ión in eligen e de ecu sos
La ges ión in eligen e es undamen al pa a maximiza la e iciencia y la esiliencia de las
mic o edes. Sis emas de con ol a anzados supe isan con inuamen e la demanda de
ene gía, la disponibilidad de ecu sos y las condiciones ope a i as [10]. Median e los
da os ex aídos po esos sis emas de con ol, la mic o ed ajus a dinámicamen e la
gene ación y el almacenamien o pa a sa is ace la demanda en iempo eal. La
implemen ación de algo i mos de op imización y ap endizaje au omá ico acili a a la
mic o ed la oma de decisiones au ónomas y la adap ación a pa ones de consumo
a iados, mejo ando la e iciencia ope a i a a lo la go del iempo, dadas unas condiciones
cambian es según los pe iodos es acionales del año.
2.3 Tecnologías subyacen es
2.3.1 Sis emas de almacenamien o de ene gía
Los sis emas de almacenamien o de ene gía son un elemen o undamen al pa a la
ope ación e icien e de las mic o edes. Al in eg a di e en es ecnologías de
almacenamien o, como ba e ías de iones de li io, sis emas de almacenamien o é mico o
ecnologías de almacenamien o de ene gía mecánica, las mic o edes pueden ges iona
e icazmen e la a iabilidad de la gene ación y la demanda (Figu a 2.3). Los sis emas de
almacenamien o de ene gía pe mi en almacena la ene gía en los pe iodos en los que la
demanda es baja con la posibilidad de libe a la ene gía du an e momen os de al a
demanda, mejo ando así la es abilidad y con iabilidad del suminis o [11].
Figu a 2.3: Sis ema de ba e ías en una mic o ed. Fuen e: [11]
7
2.3.2 Redes de comunicación en Mic o edes
Las edes de comunicación son el eje p incipal que pe mi e la coo dinación y el
in e cambio de in o mación en e los di e sos componen es de las mic o edes.
U ilizando p o ocolos de comunicación a anzados ales como el in e ne de las cosas en
inglés “In e ne o Things” (IoT) y las ecnologías de ed inalámb ica, las mic o edes
pueden ecopila da os en iempo eal sob e la gene ación, el almacenamien o y la
demanda de ene gía. Es o acili a la oma de decisiones au ónoma y la op imización del
endimien o de la mic o ed [12].
2.3.3 Au oma ización y con ol
La au oma ización y el con ol a anzado son esenciales pa a la ges ión e icien e de las
mic o edes. Median e sis emas de con ol cen alizados o dis ibuidos que u ilicen
algo i mos in eligen es, se consigue moni o ea y egula an o la gene ación de ene gía
como su consumo. La au oma ización pe mi e una espues a ápida a condiciones
ope a i as, op imizando con inuamen e la condición de la mic o ed. Con la combinación
de es as dos ecnologías se consigue que las mic o edes puedan ope a de mane a
e icien e y adap a se a las dinámicas cambian es del en o no [13].
2.4 Tipos de Mic o edes
En el año 2021, se c ea la o ganización “Think Mic og id” la cual iene como inalidad
se la oz uni icada de la indus ia de las mic o edes, des acando el papel que
desempeña án las mic o edes en un momen o único de la indus ia [14].
En la página web de la o ganización se encuen a la siguien e de inición de Mic o ed:
“Una mic o ed es un sis ema de ene gía au osu icien e que si e a una huella geog á ica
pun ual, como un campus uni e si a io, un complejo hospi ala io, un cen o de negocios
o un ecinda io”.
Como se puede ap ecia el del concep o de mic o ed es algo muy a iado y se pueden
encon a di e sas de iniciones según la uen e consul ada, aun así, la o ganización
“Think Mic og id” ealiza una amplia dis inción en la ipología de es as mic o edes po
lo que se ha conside ado una buena e e encia pa a hace e al lec o la g an a iedad de
casos de mic o ed que exis en ac ualmen e.
Se ienen en onces los siguien es ipos de mic o ed:
● A anzada: Mic o ed que u iliza un so wa e so is icado, con oles e in eligencia
a i icial pa a ges iona múl iples ecu sos ene gé icos. La mayo ía de los ipos de
mic o edes enume ados a con inuación pod ían con igu a se como mic o edes
a anzadas.
14
• P o ección de da os sensibles: Las mic o edes pueden in oluc a la
moni o ización y ges ión de da os sensibles, como in o mación sob e el consumo
de ene gía, pa ones de uso, da os inancie os, en e o os. Es c ucial implemen a
medidas de segu idad obus as pa a p o ege es os da os y p e eni accesos no
au o izados que puedan comp ome e la p i acidad de los usua ios y la in eg idad
de la ed.
• P e ención de in usiones ísicas y cibe né icas: Las mic o edes pueden es a
compues as po una combinación de sis emas ísicos y digi ales. La segu idad no
solo se e ie e a la p o ección de los sis emas in o má icos y de comunicación,
sino ambién a la segu idad ísica de los componen es de la ed. Es o implica
implemen a medidas pa a p e eni el acceso no au o izado a in aes uc u as
c í icas, como subes aciones eléc icas, cen os de con ol, e c.
• In eg ación con la ed p incipal: En muchos casos, las mic o edes es án
conec adas a la ed eléc ica p incipal. Es a conexión in oduce posibles pun os de
ulne abilidad que pod ían se explo ados po a acan es ex e nos. Es c ucial
implemen a mecanismos de au en icación y ci ado pa a ga an iza la segu idad
de las comunicaciones en e la mic o ed y la ed p incipal, así como pa a p o ege
con a posibles in usiones desde la ed p incipal hacia la mic o ed.
• Man enimien o de la con iabilidad y calidad del suminis o eléc ico: La
segu idad en las mic o edes ambién es á es echamen e elacionada con la
con iabilidad y calidad del suminis o eléc ico. Los a aques cibe né icos o ísicos
pueden a ec a la ope ación no mal de la mic o ed y causa in e upciones en el
suminis o eléc ico, lo que a su ez puede ene consecuencias económicas y
sociales signi ica i as.
En esumen, la segu idad en las mic o edes es esencial pa a ga an iza la
con iabilidad, disponibilidad e in eg idad de los sis emas de ene gía dis ibuida, así
como pa a p o ege la p i acidad y los da os sensibles de los usua ios. Se equie e una
combinación de medidas écnicas, ope a i as y de ges ión de iesgos pa a mi iga las
amenazas y asegu a el uncionamien o segu o de las mic o edes.
3.3.2 Vulne abilidades especí icas de las mic o edes
Las mic o edes p esen an ulne abilidades pa icula es que equie en especial a ención
en é minos de cibe segu idad. Debido a la di e sidad de componen es, desde
gene ado es dis ibuidos has a sis emas de almacenamien o y disposi i os de ges ión,
cada uno de ellos ep esen a un posible pun o de en ada pa a un a acan e. La
in e conexión de es os elemen os, si no se ges iona adecuadamen e, puede ampli ica el
impac o de los a aques. Además, la ope ación au ónoma de algunas mic o edes puede
in oduci desa íos adicionales al limi a la supe isión di ec a.
Algunas de las ulne abilidades más ele an es son las siguien es [21]:
• In e conexión de sis emas he e ogéneos: Las mic o edes suelen in eg a una
a iedad de sis emas he e ogéneos, como gene ado es de ene gía eno able,
sis emas de almacenamien o de ene gía, disposi i os de medición in eligen e,
sis emas de con ol de ed, e c. Es a di e sidad de sis emas puede gene a una

15
supe icie de a aque más amplia y compleja, ya que cada componen e puede ene
di e en es p o ocolos de comunicación y ni eles de segu idad.
• Comunicaciones inalámb icas y p o ocolos expues os: Muchas mic o edes
u ilizan comunicaciones inalámb icas pa a la moni o ización y con ol de los
disposi i os, lo que puede aumen a la exposición a a aques cibe né icos, como el
acceso no au o izado, la in e cep ación de da os y la suplan ación de iden idad.
• Ges ión emo a y accesibilidad: La capacidad de ges iona y supe isa las
mic o edes de o ma emo a puede se una en aja en é minos de e iciencia
ope a i a, pe o ambién puede in oduci iesgos de segu idad signi ica i os. Los
sis emas de ges ión emo a pueden se blanco de a aques de denegación de
se icio (DoS), in usiones y explo ación de ulne abilidades si no se
implemen an adecuadas medidas de au en icación, au o ización y ci ado.
• Dependencia de la ed eléc ica p incipal: Las mic o edes conec adas a la ed
eléc ica p incipal pueden es a expues as a ulne abilidades inhe en es de esa ed,
como a aques cibe né icos di igidos a la in aes uc u a de ansmisión y
dis ibución, así como a p oblemas de calidad de ene gía que pod ían se
p opagados a la mic o ed.
• Fal a de ac ualizaciones de segu idad: Algunas mic o edes pueden es a
compues as po equipos y sis emas más an iguos que no eciben ac ualizaciones
de segu idad egula es o no son compa ibles con las úl imas medidas de
p o ección cibe né ica. Es o deja a es as mic o edes ulne ables a a awues
conocidos y a aques di igidos.
• Fac o es humanos: Las ulne abilidades en las mic o edes ambién pueden
su gi debido a e o es humanos, como la al a de conciencia sob e la segu idad
cibe né ica, con aseñas débiles, acceso no au o izado de pe sonal no au o izado,
en e o os.
Las ulne abilidades an e io men e ci adas suponen una se ie de desa íos especí icos
en é minos de cibe segu idad debido a su na u aleza descen alizada, di e sidad de
sis emas, dependencia de la ed p incipal y necesidad de ges ión emo a. Abo da
es as ulne abilidades equie e un en oque in eg al que incluya la implemen ación de
medidas de segu idad écnicas, ope a i as y de ges ión de iesgos.
3.3.3 Desa íos en la p o ección de mic o edes
P o ege las mic o edes implica desa íos en la in eg ación de sis emas he e ogéneos,
ges ión de la complejidad y cibe segu idad. La in e conexión con la ed eléc ica
p incipal expone a ulne abilidades. Además, la ges ión de da os sensibles es c ucial.
Abo da es os desa íos equie e medidas écnicas y ope a i as sólidas, incluyendo
p o ocolos de segu idad obus os, moni o eo cons an e y espues a ápida a posibles
amenazas. La educación y concienciación sob e cibe segu idad son undamen ales.
Ga an iza la con iabilidad del suminis o eléc ico en mic o edes es i al pa a la
esiliencia ene gé ica y la p o ección de in aes uc u as c í icas en un mundo cada ez
más in e conec ado y dependien e de la ene gía [22].
16
3.4 Mecanismos de p o ección y de ección
3.4.1 C ip og a ía y segu idad de la comunicación
La c ip og a ía desempeña un papel c ucial en la p o ección de la comunicación en
mic o edes. La implemen ación de algo i mos de ci ado obus os ga an iza la
con idencialidad e in eg idad de los da os ansmi idos en e los di e sos componen es de
la mic o ed. Además, la au en icación basada en c ip og a ía e i ica la iden idad de los
nodos de la ed, p e iniendo la en ada no au o izada [22].
3.4.2 Sis ema de de ección de in usiones (IDS)
Los sis emas de de ección de in usiones moni o ean con inuamen e el á ico de ed en
busca de pa ones sospechosos o compo amien os anómalos. En el con ex o de las
mic o edes, los IDS pueden iden i ica ac i idades inusuales, como in en os de acceso
no au o izado o pa ones de comunicación anómalos, ac i ando ale as y espues as
au omá icas pa a mi iga posibles amenazas [23].
El p esen e abajo en oca á sus simulaciones de cibe a aques implemen ando un sis ema
de de ección de in usiones median e algo i mos basados en modelo, moni o izando la
mic o ed en un pe iodo de iempo de inido du an e el cual se p oduci án los hipo é icos
cibe a aques.
3.4.3 Ges ión de iden idad y acceso
La ges ión de iden idad y acceso con ola quién iene acceso a los ecu sos de la mic o ed
y qué acciones puede ealiza . La au en icación mul i ac o (MFA) y la ges ión de
p i ilegios ga an izan que solo los usua ios au o izados engan acceso a sis emas c í icos
[24]. Es o educe el iesgo de in usiones al limi a el acceso a aquellos que ealmen e
necesi an in e ac ua con la mic o ed.
La au en icación mul i ac o es uno de los mé odos de ges ión de iden idad más u ilizados
ac ualmen e, su uncionamien o consis e básicamen e en eque i al usua io alguna
e i icación adicional de iden idad pa a asegu a que el inicio de sesión o acceso es
legí imo (Figu a 3.2). Las e i icaciones pueden se a iadas, ap o echando que la g an
mayo ía de usua ios disponen de un disposi i o mó il pe sona, un sis ema de e i icación
ú il es la in oducción de un código que es en iado exclusi amen e al mó il del usua io
de mane a que se asegu a así la legi imidad del p oceso.
17
Figu a 3.2: Sis ema de au en icación mul i ac o . Fuen e: [24]
3.4.4 Ac ualizaciones y pa ches de segu idad
Es undamen al man ene los sis emas ac ualizados con los úl imos pa ches de segu idad
con el obje i o de mi iga ulne abilidades conocidas. Las ac ualizaciones egula es del
so wa e y i mwa e de los componen es de la mic o ed ga an izan que cualquie
ulne abilidad ecién descubie a se abo de ápidamen e, o aleciendo la pos u a de
segu idad de la mic o ed en e a posibles amenazas.
La implemen ación de es os mecanismos de p o ección y de ección o ma un en oque
in eg al pa a sal agua da la segu idad de las mic o edes. Combinando ecnologías
a anzadas y buenos hábi os de segu idad, se puede llega a c ea una de ensa obus a
con a las amenazas digi ales en un en o no ene gé ico cada ez más conec ado y
digi alizado.
3.5 Es udios de casos eales
3.5.1 Cibe a aques a mic o edes documen ados
Analiza casos especí icos de cibe a aques a mic o edes p opo ciona una isión p ác ica
de las amenazas y ulne abilidades que pueden su gi en es e en o no especí ico. Algunos
casos han in oluc ado manipulación emo a de sis emas de ges ión de ene gía,
comp ome iendo la ope ación au ónoma de la mic o ed. O os han abo dado
ulne abilidades en la capa de comunicación, pe mi iendo la in e cep ación de da os
c í icos [25]. Las emp esas ene gé icas se han uel o más p opensas a los a aques
cibe né icos en medio de la pandemia de COVID-19, ya que los a acan es se han
18
es o zado po bene icia se de la p isa en la implemen ación de sis emas emo os y las
ins alaciones sin pe sonal su icien e. Las compañías eléc icas deben comp ende los
nue os iesgos cibe né icos elacionados con el abajo desde el hoga , como los a aques
de ingenie ía social y las conexiones a In e ne menos con iables, pa a pode es ablece
de ensas de e e encia y limi a las consecuencias de los cibe a aques. Los sis emas
exis en es de las eléc icas es án cada ez más conec ados a a és de senso es y edes y,
debido a su na u aleza dispe sa, son aún más di íciles de con ola . Es o po encialmen e
b inda una opo unidad pa a que los a acan es apun en a la ed, simila al a aque en
Uc ania ocu ido en diciemb e de 2015, donde los pi a as in o má icos a aca on a es
emp esas de dis ibución de ene gía en el país, in e umpiendo empo almen e el
suminis o eléc ico. A medida que las in aes uc u as de las eléc icas se uel en más
in e conec adas, in eligen es y descen alizadas, un en oque cen alizado pa a asegu a las
es di ícil y se á cada ez más insos enible. El moni o eo y la supe isión cen alizados
son esenciales, pe o no su icien es, ya que un sis ema cen al no puede eacciona con la
su icien e apidez a las amenazas, especialmen e cuando el con ol se agmen a en
nume osos sis emas como las mic o edes.
En espues a a es os cibe a aques, las o ganizaciones y comunidades a ec adas han enido
que adap a ápidamen e sus es a egias de segu idad. La implemen ación de sis emas de
de ección de in usiones más a anzados, la mejo a de moni o ización con inua y la
colabo ación con expe os en cibe segu idad han sido pasos cla e pa a o alece la
esiliencia de las mic o edes. Además, la concienciación y o mación del pe sonal se han
in ensi icado pa a educi el iesgo de a aques de ingenie ía social y phishing.
3.5.2 Lecciones ap endidas y mejo es p ác icas
El es udio de cibe a aques an e io es a mic o edes o ece aliosas lecciones. La
iden i icación emp ana de amenazas, la espues a ápida y la adap ación de es a egias
de segu idad son componen es cla e de la esiliencia cibe né ica.
Median e el es udio de casos eales de cibe a aques a mic o edes se ob iene una isión
más p o unda de las amenazas especí icas y b inda ideas aliosas sob e cómo mejo a las
es a egias de segu idad y o alece la segu idad de las mic o edes an e u u os
cibe a aques.
3.6 He amien as y ecu sos en cibe segu idad
3.6.1 P e ención y de ección
En el campo de la cibe segu idad, la elección de he amien as adecuadas es c ucial pa a
la p e ención y de ección de posibles amenazas. En mic o edes, donde la di e sidad de
componen es y la in e conexión son comunes, la implemen ación de soluciones obus as
es esencial. He amien as como i ewalls a anzados, sis emas de de ección de in usiones
(IDS) especí icos pa a en o nos de ene gía dis ibuida y soluciones an i i us adap adas a
sis emas embebidos son undamen ales. Además, el uso de he amien as de análisis de
19
á ico y moni o ización en iempo eal con ibuye a la iden i icación emp ana de
ac i idades sospechosas (Figu a 3.3).
Figu a 3.3: Funcionamien o de un Fi ewall. Fuen e: [26]
3.6.2 Pla a o mas de en enamien o y simulación
La capaci ación y la simulación son elemen os esenciales en la p epa ación de en en a
cibe a aques. Pla a o mas de en enamien o especí icas pa a cibe segu idad en
mic o edes pe mi en a los p o esionales adqui i expe iencia en en o nos simulados.
Es as pla a o mas b indan la opo unidad de p ac ica la de ección y espues a a amenazas
en un en o no con olado, mejo ando la p epa ación del pe sonal an e posibles
cibe a aques eales. La simulación de inciden es ambién ayuda a a ina los p ocesos de
espues a y a e alua la e icacia de las medidas de segu idad implemen adas.
La selección y u ilización e ec i a de es as he amien as y ecu sos son esenciales pa a
o alece la pos u a de la cibe segu idad de las mic o edes. La combinación de
ecnologías a anzadas y en enamien o con inuo pe mi e a las o ganizaciones an icipa y
esponde de mane a p oac i a a las amenazas cibe né icas eme gen es en el en o no
especí ico de las mic o edes.
Ac ualmen e la o mación en cibe segu idad es á al amen e demandada po g an can idad
de emp esas ligadas al mundo ecnológico, lo que p o oca que exis an mul i ud de
opciones didác icas al alcance de odos sumado a la opo unidad labo al que es o supone
[27].

20
3.7 Desa ollos u u os y endencias en cibe segu idad
3.7.1 Inno aciones ecnológicas en p o ección
El u u o de la cibe segu idad en mic o edes se pe ila con inno aciones ecnológicas
des inadas a o alece la p o ección con a amenazas eme gen es. El desa ollo de
sis emas de in eligencia a i icial y ap endizaje au omá ico aplicados a la de ección de
pa ones anómalos pe mi i á una espues a más ápida y p ecisa an e a aques. Además, la
implemen ación de ecnologías de ci ado cuán ico pod ía ele a la segu idad de
comunicación a un nue o ni el que esis a incluso a aques más so is icados de los
dis in os ipos expues os en es e documen o [28].
3.7.2 Colabo ación en e en idades
La colabo ación de dis in as emp esas, ins i uciones académicas y o ganismos
gube namen ales es undamen al pa a a on a las amenazas cibe né icas de mane a
e ec i a. La c eación de pla a o mas y mecanismos pa a compa i in o mación sob e
amenazas y ulne abilidades pe mi i á una espues a más coo dinada y la aplicación de
medidas p e en i as a ni el global. La colabo ación ambién acili a á el desa ollo de
es ánda es comunes y ma cos egula o ios especí icos pa a la cibe segu idad en
mic o edes [29].
21
4 Mic o ed Expe imen al del Labo a o io
de Ene gía de El A enosillo (CEDEA)
El obje i o del p esen e abajo es á cen ado en el es udio de los cibe a aques a una
mic o ed, pa a ello se ha seleccionado la mic o ed expe imen al de El A enosillo, de la
cual se dispone de su modelo implemen ado en Simulink®, y a pa i del cual se ealiza án
las modi icaciones que pe mi i án desa olla las simulaciones que se co espondan con
posibles cibe a aques a la mic o ed.
En es e capí ulo se ha á una desc ipción gene al de la mic o ed a es udia y se expond án
b e emen e cuales son los elemen os que la componen.
El CEDEA [1] es el p incipal campo de p uebas ins umen ado pa a la expe imen ación
de ehículos ae oespaciales del Minis e io de De ensa de España. El CEDEA pe enece
al INTA [30] (Ins i u o de Técnica Ae oespacial) y se si úa en las p oximidades del casco
u bano de Mazagón, en el municipio de Mogue (p o incia de Huel a, España).
A unos kilóme os del CEDEA se es á cons uyendo el Cen o pa a Ensayos,
En enamien o y Mon aje de Ae ona es no T ipuladas (CEUS). El conjun o CEDEA-
CEUS se con e i á en el mejo Cen o de Excelencia eu opeo de Sis emas no T ipulados
(D ones), y en e e encia in e nacional pa a la expe imen ación con ehículos no
ipulados.
Sus p incipales líneas in es igado as es án di igidas a las ene gías eno ables, la
in es igación de la a mós e a al a y la colabo ación con las Fue zas A madas y unidades
mili a es de o os países.
El CEDEA es una ins alación lexible con ope a i idad 24 ho as, ce i icado po la
OTAN, la UE y la Agencia Espacial Eu opea (ESA) como O icina de Con ol de
Segu idad. El ni el máximo de clasi icación pa a la in o mación y los da os almacenados
es OTAN SECRET/ EU SECRET/ ESA SECRET mien as que las á eas de acceso
es ingido son de clase II. Sus p incipales unciones, en la ac ualidad, son:
● Expe imen ación de cohe es de nue o desa ollo
● Realización de expe imen os cien í icos con cohe es de sondeo y globos
● In es igaciones a mos é icas
● P uebas de desa ollo dis in os ipos de ae ona es no ipuladas (d ones), has a
150 kg, desde pla a o ma
● Realización de p og amas I+D, es udios de du abilidad y ensayos de componen es
y sis emas de ene gía sola
22
El CEDEA dispone de un labo a o io de ene gía que cuen a con una mic o ed
expe imen al, la cual es u ilizada pa a ealiza es udios y e aluaciones de dis in os
campos: con ol, almacenamien o de ene gía, senso ización, comunicación y
elemoni o ización.
4.1 Desc ipción gene al de la mic o ed
La mic o ed es á dispues a po sis emas de gene ación eléc ica, sis emas de
almacenamien o y ca gas en co ien e con inua y al e na. Exis e un bus in e no de 408
VDC que conec a los di e sos componen es. A su ez, cuen a con una conexión a la ed
de 230 VAC que p opo ciona ene gía al labo a o io. En la Figu a 4.1 se mues a un
esquema de la dis ibución y conexiones de los di e sos componen es de la mic o ed en
es udio y en la Figu a 4.2 se obse an los paneles o o ol aicos, el ae ogene ado y el
edi icio donde se si úan los componen es p incipales.
Figu a 4.1: Diag ama concep ual mic o ed CEDEA. Fuen e: [30]
23
Figu a 4.2: Vis a aé ea mic o ed CEDEA. Fuen e: [30]
4.2 Componen es de la mic o ed expe imen al
Pa a la simulación de posibles cibe a aques, los dis in os componen es de es a mic o ed
se án los elemen os a u iliza pa a lle a a cabo es as simulaciones, las cuales se de alla án
más adelan e.
4.2.1 Ins alaciones o o ol aicas
La mic o ed cons a de cua o campos o o ol aicos (Figu a 4.3):
● Campo 1: Es á compues o po 136 paneles BP60 monoc is alinos y iene una
po encia máxima o al de 5 kWp. Cuen a con cua o con e ido es DC/DC
ele ado es de ensión o de ipo Boos de 2 kWp cuya salida se conec a al bus
gene al de DC.
● Campo 2: Compues o po paneles dispues os sob e supe icie e ical que es án
des inados a in eg ación a qui ec ónica. Exis en cinco módulos del modelo ESF-
M-BIPVGGP156- 40-161W de la ma ca Sola Inno a. La po encia o al es de
2.415 kWp y se conec a median e con e ido es Boos de 3 kWp.
● Campo 3: s Es e campo es á compues o po paneles lexibles sob e una
supe icie inclinada. La mic o ed cuen a con 16 módulos de la ma ca ENECOM,
modelo HF135. En o al se ob iene una po encia de 2.16 kWp.Al igual que el
campo 2, se conec a con con e ido es Boos de 3 kWp.
30
● A e ía ( ailu e): In e upción pe manen e de la capacidad de un sis ema pa a
man ene una unción eque ida bajo condiciones de ope ación especí icas.
● De ección de allo: De e minación del allo y el ins an e de iempo en el que se ha
p oducido.
● Aislamien o del allo: De e minación de la localización exac a del allo.
● Diagnós ico del allo: Concep o que engloba las e apas de de ección, aislamien o
e iden i icación del allo.
● Modos de allo: Desc ipción ma emá ica de los ipos de allos que puede p esen a
un componen e del sis ema.
● E ec o de allo: Desc ipción de la p opagación del allo del sis ema.
● Sis ema de p o ección: Equipos diseñados pa a e i a daños pe sonales o
ma e iales a aíz de un allo.
● Tole ancia de allos: Capacidad de man ene los obje i os de con ol a pesa de la
apa ición de un allo. Se acep a una deg adación ela i a en las p es aciones del
sis ema.
● Supe iso : En idad que ealiza la supe isión de un p oceso median e el
diagnós ico de allos y la de e minación de las acciones co ec o as que debe án
oma se en p esencia de allos.
● Redundancia ísica: Exceso de ins umen os pa a log a una de e minada unción.
● Redundancia analí ica: Exceso de medios pa a de e mina una a iable donde al
menos un medio u iliza un modelo ma emá ico.
● Mi iga un allo: Acción de a enua o sua iza la ocu encia de un allo.
● Acomodación al allo: Mecanismo de ole ancia a allos que adap a los pa áme os
del con olado o de su es uc u a pa a e i a los e ec os de un allo. Se alcanzan
los obje i os de con ol, aunque de o ma deg adada.
● Robus ez en la de ección de allos: Capacidad del sis ema de diagnós ico de allos
de se insensible a los e o es de modelado, ince idumb es, pe u baciones y
uidos, siendo a su ez sensible a los allos.
● Robus ez ac i a: P e ende alcanza la obus ez en la gene ación del esiduo.
● Robus ez pasi a: P e ende alcanza la obus ez en la oma de decisiones.
● Índice de bondad: Es el in e alo en e el ins an e que sucede el allo y el ins an e
en que es de ec ado.
5.2 Mé odos adicionales de de ección de allos
En oques adicionales pa a el diagnós ico de allos an eceden al uso de la edundancia
analí ica (y, po lo an o, a la ap oximación basada en modelos), aunque hoy en día se
siguen u ilizando ampliamen e. Es os en oques se basan en écnicas de p ocesamien o de
señales y/o edundancia pa alela. Son los siguien es [34]:
● Análisis del espec o de ecuencia: Las medidas de las señales de salida ienen
un espec o de ecuencia es ánda bajo en condiciones de ope ación es ánda ,
cualquie des iación se puede conside a como una ano malidad. Algunos ipos
de allos pueden incluso ene una anomalía ca ac e ís ica en el espec o de
mane a que pueden se aislados como allos solamen e con la in o mación

31
ex aída del espec o. Un espec o se puede compa a con un espec o es ánda
pa a diagnos ica la na u aleza y ipo de allo e incluso p e e el esul ado que el
allo end á en el sis ema. El análisis espec al es especialmen e ú il cuando la
in o mación del modelo de la plan a no es á disponible o es di ícil de ob ene .
● En oque del dicciona io de allos: En el dicciona io de allos, cada ipo conocido
de allo iene un compo amien o ca ac e ís ico especial en el sis ema. Po lo an o,
se puede cons ui un dicciona io de allos que con enga odos los
"compo amien os ca ac e ís icos" conocidos de los allos. Podemos sabe si un
allo ocu e en el sis ema al compa a el compo amien o del sis ema con
epe o ios de allos almacenados en el dicciona io de allos. Es e es un mé odo
ue a de línea y se puede u iliza pa a el análisis de allos después del e en o, pe o
no es adecuado pa a el diagnós ico de allos en línea, que es esencial pa a sis emas
c í icos de segu idad.
● Ve i icación de lími es: Al compa a las a iables del p oceso con lími es
p ede inidos, donde la supe ación de un lími e puede indica una si uación
de ec uosa. Aunque es muy simple, es e mé odo iene una se ia des en aja en que
las a iables del p oceso pueden a ia de acue do con di e en es es ados
ope a i os del p oceso. Po lo an o, el lími e debe depende del es ado ope a i o
del p oceso. Las en ajas de los mé odos basados en la e i icación de lími es son
la simplicidad y la con iabilidad. Sin emba go, solo pueden eacciona después de
un cambio ela i amen e g ande en la ca ac e ís ica a e alua , lo que signi ica que
ha ocu ido un allo epen ino impo an e o que ha habido una se ie de allos
sua es o len os du an e mucho iempo.
● Redundancia pa alela (ha dwa e): Un equisi o p e io impo an e pa a log a
la ole ancia a allos en sis emas de con ol c í icos pa a la segu idad es median e
líneas múl iples de ha dwa e idén ico. Dos des en ajas p incipales de es e en oque
son la penalización de peso (pa icula men e impo an e en el con ol de uelo) y
la posibilidad de que un allo de modo común del sis ema pe manezca sin de ec a .
La edundancia de ha dwa e se puede combina con mé odos basados en modelos
pa a maximiza la e icacia del aislamien o de allos.
5.3 P incipios básicos de la de ección de allos basados en
modelo
En las úl imas dos décadas, el en oque de diagnós ico de allos basado en modelos ha
ecibido una a ención c ecien e an o en la in es igación como en la. Es e en oque se basa
en el concep o de edundancia analí ica, en con aposición a la edundancia ísica
(ha dwa e o pa alela), que u iliza mediciones de senso es edundan es con ines de
diagnós ico de allos. La edundancia analí ica hace uso de señales gene adas po el
modelo ma emá ico del sis ema que se es á conside ando. Es as señales se compa an con
las mediciones eales ob enidas del sis ema. La compa ación se ealiza u ilizando
can idades esiduales que ep esen an la di e encia en e las señales medidas y las señales
gene adas po el modelo ma emá ico. Po lo an o, el diagnós ico de allos basado en
modelos se puede de ini como la de e minación de allos en un sis ema a pa i de la
32
compa ación de las mediciones disponibles del sis ema con in o mación a p io i
ep esen ada po el modelo ma emá ico del sis ema median e la gene ación de can idades
esiduales y su análisis. Un esiduo es un indicado de allo o una señal que esal a la
si uación de ec uosa del sis ema moni o izado.
La p incipal en aja del en oque de edundancia analí ica en compa ación con la
edundancia de ha dwa e es que no se necesi an componen es de ha dwa e adicionales
pa a implemen a un algo i mo de FDI (de ección y aislamien o de allos). Un algo i mo
de FDI basado en modelos puede implemen a se básicamen e en la compu ado a de
con ol del p oceso, a menudo sin equisi os adicionales de ha dwa e. Además, las
mediciones necesa ias pa a con ola el p oceso son, en muchos casos, ambién
su icien es pa a el algo i mo de FDI, po lo que no es necesa io ins ala senso es
adicionales. En es as ci cuns ancias, solo se necesi a capacidad de almacenamien o
adicional y posiblemen e una mayo po encia de compu ación pa a la implemen ación de
un algo i mo de FDI basado en modelos. El algo i mo de FDI solo equie e p ocesamien o
de da os de en ada y salida pa a su implemen ación.
El ema cen al de los en oques basados en modelos pa a FDI es el diseño de señales
esiduales que lle an in o mación sob e las ubicaciones de allos y sus momen os de
ocu encia. La igu a 5.1 ilus a la es uc u a concep ual de un sis ema de diagnós ico de
allos basado en modelos que comp ende dos e apas p incipales:
● Gene ación de esiduo: Las salidas y en adas del sis ema son p ocesadas po un
algo i mo ap opiado (un p ocesado ) pa a gene a esiduos. El esiduo debe se
di e en e de ce o cuando ocu e un allo y ce o en caso con a io. El sis ema pa a
gene a el esiduo se llama gene ado de esiduos.
● E aluación de esiduos ( oma de decisiones): Los esiduos se examinan pa a
de e mina la p obabilidad de allos, y luego se aplica una egla de decisión pa a
de e mina si ha ocu ido algún allo.
33
Figu a 5.1: La es uc u a de dos e apas del FDI basado en modelos. Fuen e:[34]
5.4 P opiedades de los esiduos
Los esiduos de se componen de las siguien es p opiedades undamen ales [31],[33],[35]:
● De ec abilidad: Capacidad de de ec a un allo en el p oceso moni o izado. Dado
que en la p ác ica ocu en e o es de modelado, pe u baciones y uidos no es ácil
di e encia e iden i ica la ocu encia eal de allos de es as posibles
pe u baciones, po lo que es necesa io ecu i al uso de umb ales. Es des acable
que la u ilización de umb ales muy amplios puede llega a enmasca a allos, po
lo que la de e minación de la magni ud co ec a de es os umb ales debe se
analizada. Lo ideal se ía diseña sis emas de diagnós ico obus os que e i en en la
medida de lo posible las in e e encias debidas a los uidos, pe u baciones o
e o es de modelado.
● Capacidad de aislamien o: La exi osa de ección de un allo es seguida po el
p ocedimien o de aislamien o del allo, el cual dis ingui á (aisla á) un allo
especí ico de los demás. Mien as que un solo esiduo es su icien e pa a de ec a
allos, se equie e un conjun o de esiduos (o un esiduo en o ma de ec o ) pa a
el aislamien o del allo. Si un allo es dis inguible de o os allos median e uno o
más esiduos, se puede de ini como un allo aislable (Figu a 5.2). Pa a acili a
el aislamien o, gene almen e se gene a un conjun o de esiduos (o una o ma
ec o ial de esiduo, de una de las siguien es mane as:
- Conjun o de esiduos es uc u ados: En es e mé odo, se gene a un conjun o
de esiduos ( igu a 5.3). Cada esiduo es á diseñado pa a se sensible a
di e en es allos o subconjun os de allos, mien as que es insensible a los
allos es an es.
34
- Vec o esidual de di ección ija: O a o ma de mejo a la capacidad de
aislamien o es diseña un ec o esidual di eccional que se ubique en una
di ección ija y especí ica de allo (o subespacio) en el espacio esidual en
espues a a un allo pa icula ( igu a 5.4).
Figu a 5.2: El concep o del ec o esidual di eccional pa a el aislamien o de allo.
Fuen e: [34]
Figu a 5.3: Ejemplo de esiduo es uc u ado. Fuen e: [35]
35
Figu a 5.4: Ejemplo de esiduo di igido. Fuen e: [35]
5.5 Mé odos de Gene ación de Residuos Basados en
Modelos
En es a sección se p ocede á a de ini y explica los di e en es mé odos que pe mi en
lle a a cabo una gene ación de esiduos que pe mi a de ec a y aisla allos.
5.5.1 En oques basados en obse ado es
El p incipio básico de los en oques basados en obse ado es es es ima la salida del
sis ema en unción de las en adas y salidas del sis ema moni o eado a a és de un
obse ado , y el esiduo es la di e encia (ponde ada) en e las salidas es imadas y eales.
Las p opiedades undamen ales de es e mé odo son [31]:
● La a ea del aislamien o puede lle a se a cabo median e un conjun o de esiduos
es uc u ados o un ec o esidual di eccional.
● La eacción an e allos es muy ápida
● Muy adecuado pa a de ec a y aisla allos en ac uado es y senso es
● El p oceso de diseño es sis emá ico y sencillo
● Fácil de implemen a y el algo i mo de ejecución es simple
● Fácil manejo de múl iples allos si el núme o de medidas es su icien e
● Mé odos pa a maneja el uido del sis ema:
- P opiedades es adís icas desconocidas: Se puede aplica un il o adicional al
esiduo, basado en suposiciones sob e las bandas de ecuencia de allo y
uido.

36
- P opiedades es adís icas conocidas: Se puede u iliza un il o de Kalman pa a
p oduci el esiduo lib e de allos con mínima a ianza y, po lo an o, educi
las ala mas alsas y pe didas
● Robus ez en e a pe u baciones desconocidas
● Robus ez en e a e o es de modelado
5.5.2 En oque de elaciones de pa idad
El p incipio básico de los en oques de elaciones de pa idad pa a FDI es e i ica la
inconsis encia en e las en adas y salidas del sis ema moni o izado. El é mino de
desequilib io se u iliza como una señal esidual. Se ha demos ado que el en oque de
elaciones de pa idad es equi alen e al uso de un obse ado de espues a nula [31]. Una
señal esidual gene ada po un obse ado no dé espues a nula es equi alen e a una señal
esidual pos il ada que es gene ada po un obse ado de espues a nula. Debido a la
co espondencia en e en oques basados en obse ado es y en oques de elaciones de
pa idad, la mayo ía de sus condiciones de aplicabilidad son las mismas.
5.5.3 En oques de es imación de pa áme os
El p incipio básico consis e en es ima los pa áme os del modelo en línea y el esiduo se
basa luego en una compa ación en e los alo es es imados y eales de los pa áme os.
Al e na i amen e, el e o en e la salida eal y la p edicha (gene ada po la es imación de
pa áme os en iempo eal) puede u iliza se como una señal esidual.
Las ca ac e ís icas p incipales de es e mé odo de de ección de allos son las siguien es
[36]:
● La eacción an e allos es len a.
● La de ección y aislamien o de allos en ac uado es y senso es son posibles pe o
complicados.
● La de ección y aislamien o de allos en pa áme os son muy di ec os.
● El p ocedimien o de diseño es sis emá ico, pe o no simple.
● Complejidad de implemen ación ( equie e g an can idad de cálculos).
● La de ección y aislamien o de múl iples allos no es una a ea ácil a menos que
se ins ale un g an núme o de senso es.
● El uido es ácil de maneja en el p ocedimien o de es imación de pa áme os.
● No linealidad, posible de maneja median e écnicas de iden i icación pa a
sis emas no lineales.
● Robus ez, dependien e de las p opiedades de obus ez del mé odo de es imación.
● Excelen e capacidad adap a i a y de au oap endizaje.
37
5.5.4 En oque de edes neu onales
Los en oques basados en edes neu onales pa a la gene ación de esiduos son simila es a
los en oques basados en obse ado es, aunque el obse ado se eemplaza po una ed
neu onal. La salida del sis ema se es ima a a és de la ed neu onal, y el esiduo se
ob iene a pa i de la di e encia en e las salidas es imadas y eales. Las ca ac e ís icas
impo an es de los en oques basados en edes neu onales se pueden esumi de la
siguien e mane a [36]:
● La eacción an e allos incipien es es mode ada.
● Muy con enien e pa a de ec a y aisla allos en ac uado es y senso es.
● Buena capacidad pa a de ec a y aisla allos en pa áme os.
● Es posible la de ección de múl iples allos.
● Tole ancia al uido mode ada.
● Requie en ex ensas sesiones de en enamien o du an e el diseño.
● Complejidad de implemen ación, equie e una g an can idad de cálculos
● Excelen e pa a maneja sis emas no lineales, que es pa a lo que es án diseñadas
las edes neu onales.
● No hay in es igaciones publicadas sob e p oblemas de obus ez aún.
● Sin equisi os a p io i pa a el modelado.
● Capacidad adap a i a y de au oap endizaje excelen e
5.6 Relación en e cibe a aques y de ección de allos
La elación en e cibe a aques y la de ección de allos en una mic o ed puede en ende se
a a és de la ulne abilidad de los sis emas de con ol y la impo ancia de con a con
mé odos e ec i os de de ección de allos pa a ga an iza la segu idad y la in eg idad del
sis ema. Exis e un a ículo [37] que p opo ciona una pe spec i a sob e cómo el con ol
p edic i o basado en modelo puede se u ilizado pa a de ec a y mi iga los e ec os de los
cibe a aques en sis emas de con ol, lo que puede se ele an e pa a explo a la elación
en e la de ección de allos y la cibe segu idad. Aquí hay algunas conside aciones:
1. In e upción del sis ema de con ol:
● Cibe a aques: Un a aque cibe né ico pod ía comp ome e los sis emas de
con ol de una mic o ed, causando in e upciones en las ope aciones
no males.
● De ección de allos: Los mé odos de de ección de allos pueden
iden i ica anomalías en el compo amien o del sis ema que pod ían se
indica i as de un a aque.
38
2. Manipulación de da os de senso es:
● Cibe a aques: Un a acan e pod ía manipula los da os de los senso es
pa a engaña al sis ema de con ol y causa mal uncionamien os.
● De ección de allos: La de ección de allos puede iden i ica disc epancias
en e los da os medidos y los alo es espe ados, indicando posibles
manipulaciones.
3. Inyección de comandos maliciosos:
● Cibe a aques: Inyec a comandos maliciosos en el sis ema de con ol
puede causa ope aciones no deseadas.
● De ección de allos: La de ección de allos puede iden i ica cambios
ab up os en el compo amien o del sis ema que pod ían se causados po
comandos maliciosos.
4. Robo de in o mación con idencial:
● Cibe a aques: Los a aques pueden es a di igidos a oba in o mación
con idencial sob e la con igu ación y el uncionamien o de la mic o ed.
● De ección de allos: La de ección de allos puede ayuda a iden i ica
in en os no au o izados de accede a in o mación con idencial.
5. Deg adación de endimien o:
● Cibe a aques: Algunos cibe a aques pueden es a diseñados pa a
deg ada el endimien o de la mic o ed.
● De ección de allos: La de ección de allos puede ale a sob e cambios
en el endimien o que pod ían indica un a aque.
6. Anomalías de comunicación:
● Cibe a aques: A aques a la in aes uc u a de comunicación pueden
a ec a la capacidad del sis ema pa a ecibi in o mación c í ica.
● De ección de allos: La de ección de allos puede iden i ica
in e upciones en la comunicación y ale a sob e posibles p oblemas.
La combinación de cibe segu idad y de ección de allos es esencial pa a ga an iza la
con iabilidad y la segu idad de las mic o edes, especialmen e en en o nos c í icos como
sis emas de ene gía dis ibuida.
39
6 Mé odos de de ección y aislamien o de
allos u ilizados en la mic o ed
6.1 Mé odo de ecuaciones de pa idad
El concep o básico del diagnós ico de allos basado en modelos consis e en gene a una
es imación de las salidas a pa i del modelo de la plan a, de o ma que pueda se e aluada
la consis encia del sis ema modelado y el sis ema eal en cada ins an e de iempo. Cuando
ocu e un allo, se p oduce una inconsis encia en e el sis ema modelado y el sis ema eal.
Es a inconsis encia, llamada esiduo, se puede exp esa como [35]:
𝑟(𝑡)=𝑦(𝑡)−𝑦(𝑡)
(6.1)
Siendo 𝑟(𝑡) el esiduo, 𝑦(𝑡) la salida eal del sis ema e 𝑦(𝑡) la salida es imada.
El modelo lineal en espacio de es ados pa a un sis ema disc e o ideal sin pe u baciones,
uidos ni allos es:
𝑥(𝑡+1) = 𝐴𝑥(𝑡)+𝐵𝑢(𝑡)
(6.2)
𝑦(𝑡) = 𝐶𝑥(𝑡)+𝐷𝑢(𝑡)
(6.3)
Siendo 𝑥(𝑡) el ec o de es ados, 𝑢(𝑡) el ec o de en adas del p oceso e 𝑦(𝑡) el ec o
de salidas del sis ema. 𝐴, 𝐵, 𝐶, y 𝐷 son las ma ices que ep esen an el compo amien o
de la plan a en el pun o de ope ación, 𝐴 ∈ ℝ𝑛𝑥𝑛, 𝐵 ∈ ℝ𝑛𝑥𝑝, 𝐶 ∈ ℝ𝑞𝑥𝑛, 𝐷 ∈ ℝ𝑞𝑥𝑝,
siendo:
• n = núme o de a iables
• p = núme o de en adas
• q = núme o de salidas
Es a o mulación puede simpli ica se conside ando 𝐷=0
𝑥(𝑡+1) = 𝐴𝑥(𝑡)+𝐵𝑢(𝑡)
(6.4)
46
𝐸{(𝑥(0)−𝑥0)(𝑥(0)−𝑥0)𝑇}=𝑋0 𝐸{𝑣(𝑡)𝑣𝑇(𝑡)}=𝑀 𝐸{𝑛(𝑡)𝑛𝑇(𝑡)}=𝑁
(6.43)
Donde 𝑀 y 𝑁 ambién se suponen conocidas.
Dado que el e o de la es imación no puede con e ge a ce o, se debe lle a a cabo una
op imización sob e la es imación del ec o de es ados 𝑥(𝑡), basándonos en las en adas
𝑢(𝑡)e 𝑦(𝑡). Hay que lle a a cabo una op imización po mínimos cuad ados:
min||𝑥(𝑡)−𝑥(𝑡|𝑗)||2
(6.44)
En (6.44) se u ilizan dos ma cos empo ales. 𝑡 hace e e encia al iempo ac ual y 𝑗 al
ins an e de iempo de las medidas. La es imación del es ado ecibe a ios nomb es:
● k>j: P oblema de p edicción
● k=j: P oblema de il ado
● k<j: P oblema de es abilidad
En los p oblemas de p edicción y de il ado, las medidas de las salidas u ilizadas es la
siguien e:
𝑌𝑗={𝑦(0),𝑦(1),𝑦(2),...𝑦(𝑗)}
(6.45)
Se u iliza la siguien e no ación:
● Es imaciones óp imas:
𝑥(𝑡|𝑗)=𝐸{𝑥(𝑡)|𝑌𝑗}
(6.46)
● E o de la es imación:
𝑥(𝑡|𝑗)=𝑥(𝑘)−𝑥(𝑡|𝑗)
(6.47)
● Ma ices de co a ianza del e o de la es imación

47
𝑃−(𝑡+1)=𝐸{𝑥(𝑡+1|𝑡)𝑥𝑇(𝑡+1|𝑡)}
𝑃(𝑡+1)=𝐸{𝑥(𝑡+1|𝑡+1)𝑥𝑇(𝑡+1|𝑡+1)}
(6.48)
Pa a el ins an e 𝑡+1 la a iable de es ado 𝑥(𝑡+1) puede se p edicha u ilizando el
modelo en espacio de es ados (6.41) con la in o mación en el ins an e 𝑡.
𝑥(𝑡+1|𝑡)=𝐴𝑥(𝑡|𝑡)+𝐵𝑢(𝑡)+𝑉𝑣(𝑡)
(6.49)
Se u iliza 𝑣(𝑡) ya que ( ) no es conocida.
Suponiendo que 𝐸{𝑣(𝑡)}=𝑣=0 queda ía:
𝑥(𝑡+1|𝑡)=𝐴𝑥(𝑡|𝑡)+𝐵𝑢(𝑡)
(6.50)
En el ins an e 𝑡+1 ambién es á disponible la salida 𝑦(𝑡+1), siendo:
𝑦(𝑡+1)=𝐶𝑥(𝑡+1)+𝑛(𝑡+1)
(6.51)
Sin emba go, 𝑥(𝑡+1) es desconocida. La p edicción 𝑥(𝑡) es á pe u bada po el uido
𝑣(𝑡) y la salida medible 𝑦(𝑡+1) po 𝑛(𝑡+1).
Si an o 𝑥(𝑡+1|𝑡) como 𝑥(𝑡+1) uesen conocidos, se pod ía calcula el es ado como
una media ponde ada:
𝑥(𝑡+1|𝑡+1)=(𝐼𝑛−𝐾′)𝑥(𝑡+1|𝑡)+𝐾′𝑥(𝑡+1)
(6.52)
Reo denando é minos en (6.52):
𝑥(𝑡+1|𝑡+1)=𝑥(𝑡+1|𝑡)+𝐾′[𝑥(𝑡+1)−𝑥(𝑡+1|𝑡)]
(6.53)
Donde 𝐾′ es una ma iz de ponde ación de o den n (núme o de es ados) que se elige pa a
minimiza la co a ianza del e o de es imación 𝑃(𝑡−1). Aho a, haciendo 𝐾′=𝐾𝐶
con e imos el ec o de es ados 𝑥(𝑡+1) en el ec o de salidas medibles 𝑦(𝑡+1).
Aplicando es a ans o mación en (6.52):
48
𝑥(𝑡+1|𝑡)=[𝐼𝑛−𝐾𝐶]𝑥(𝑡+1|𝑡+1)+𝐾𝑦(𝑡+1)
(6.54)
La ecuación (6.54) con iene:
● 𝑥(𝑡+1|𝑡): La p edicción del modelo de 𝑥(𝑡+1) basado en la úl ima es imación
𝑥(𝑡|𝑡)
● 𝑦(𝑡+1): La nue a medida
A (6.52) le sigue un algo i mo de es imación ecu si o:
𝑥(𝑡+1|𝑡+1)=𝑥(𝑡+1|𝑡)+𝐾(𝑡+1)[𝑦(𝑡+1)−𝐶𝑥(𝑡+1)|𝑡)]
(6.55)
Donde la ma iz de co ección 𝐾(𝑡+1) ha debido se elegida pa a minimiza la ma iz
de co a ianza del e o de es imación. Como es a co a ianza a ía en el iempo, 𝐾(𝑡+1)
ambién debe hace lo.
El e o en la es imación es:
𝑥(𝑡+1|𝑡)=𝑥(𝑡+1|𝑡)−𝐸{𝑥(𝑡+1)}
(6.56)
Y el e o en la medida es:
𝑦(𝑡+1)=𝑦(𝑡+1)−𝐸{𝑦(𝑡+1)}=𝑛(𝑡)
(6.57)
Las co espondien es ma ices de co a ianzas son:
𝑃−(𝑡+1)=𝐸{𝑥(𝑡+1|𝑡)𝑥𝑇(𝑡+1|𝑡)}
𝑌 =𝐸{𝑦(𝑡+1)𝑦𝑇(𝑡+1)}
(6.58)
La ma iz de co a ianza de la es imación ecu si a 𝑥(𝑡+1) iene po an o dada po :
𝑃(𝑡+1)=[𝐼𝑛−𝐾(𝑡+1)𝐶]𝑃−(𝑡+1)[𝐼𝑛−𝐾(𝑡+1)𝐶]𝑇+𝐾(𝑡+1)𝑁𝐾𝑇(𝑡+1)
(6.59)
Aho a se busca un alo de 𝐾(𝑡+1) que minimice la a ianza de la co a ianza del e o
de es imación:
49
𝐾(𝑡+1)=𝑃−(𝑡+1)𝐶𝑇[𝐶𝑃−(𝑡+1)𝐶𝑇+𝑁]−1
(6.60)
Jun o con:
𝑃(𝑡+1)=𝑃−(𝑡+1)−𝐾(𝑡+1)𝐶𝑃−(𝑡+1)
(6.61)
Donde 𝑃−, que es la ma iz de co a ianzas del e o de es imación 𝑥(𝑡|𝑡) , se ob iene de:
𝑃−(𝑡+1)=𝐴𝑃(𝑡)𝐴𝑇+𝑉𝑀𝑉𝑇
(6.62)
A modo esumen, la secuencia de cálculos es:
1. P edicción: de (6.49) y (6.52)
𝑥(𝑡+1|𝑡) =𝐴𝑥(𝑡|𝑡)+𝐵𝑢(𝑡)
𝑃−(𝑡+1)=𝐴𝑃(𝑡)𝐴𝑇+𝑉𝑀𝑉𝑇
(6.63)
2. Co ección: de (6.60), (6.55) y (6.61)
𝐾(𝑡+1)=𝑃−(𝑡+1)𝐶𝑇[𝐶𝑃−(𝑡+1)𝐶𝑇+𝑁]−1
𝑥(𝑡+1|𝑡+1)=𝑥(𝑡+1|𝑡)+𝐾(𝑡+1)[𝑦(𝑡+1)−𝐶𝑥(𝑡+1)|𝑡)]
𝑃(𝑡+1)=[𝐼𝑛−𝐾(𝑡+1)𝐶]𝑃−(𝑡+1)
(6.64)
Y po úl imo, in oduciendo la p edicción en la co ección queda:
𝑥(𝑡+1)=𝐴𝑥(𝑡)+𝐵𝑢(𝑡)+𝐾(𝑡+1)[𝑦(𝑡+1)−𝐶(𝐴𝑥(𝑡)+𝐵𝑢(𝑡))]
(6.65)
La es imación del es ado es una es imación ecu si a del es ado 𝑥(𝑡+1|𝑡+1) basado
en el es ado p edicho 𝑥(𝑡+1|𝑡) po el modelo del p oceso y una co ección basada en la
nue a medida 𝑦(𝑡+1).
La ma iz de ganancias 𝐾 depende de las ma ices de co a ianzas 𝑀 y 𝑁.
Si las ma ices del sis ema 𝐴,𝐵,𝐶 y las ma ices de co a ianza de los uidos no dependen
del iempo, la ganancia del Fil o de Kalman, 𝐾(𝑡+1) con e ge asin ó icamen e a un
alo es able. La ma iz de co a ianza del es ado es able del e o de es imación 𝑃− iene
dado po :
𝑃−(𝑡+1)=𝐴𝑃−(𝑡)−𝐴𝑃−(𝑡)𝐶𝑇[𝐶𝑃−(𝑡)𝐶𝑇+𝑁]−1𝐶𝑃−(𝑡)𝐴𝑇+𝑉𝑀𝑉𝑇
(6.66)
50
La cual es una ecuación de Ricca i. Su solución asin ó ica p opo ciona el alo es able de
𝑃−. Po an o, el alo es able de la ganancia de Kalman:
𝐾=𝑃−𝐶𝑇[𝐶𝑃−𝐶𝑇+𝑁]−1
(6.67)
La secuencia de cálculos se educi ía a:
1. P edicción:
𝑥(𝑡+1|𝑡)=𝐴𝑥(𝑡|𝑡)+𝐵𝑢(𝑡)
(6.68)
2. Co ección:
𝑥(𝑡+1|𝑡+1)=𝑥(𝑡+1|𝑡)+𝐾
[𝑦(𝑡+1)−𝐶𝑥(𝑡+1)|𝑡)]
(6.69)
In oduciendo la p edicción en la co ección queda:
𝑥(𝑡+1|𝑡)=𝐴𝑥(𝑡|𝑡−1)+𝐵𝑢(𝑡)+𝐴𝐾
[𝑦(𝑡)−𝐶(𝐴𝑥(𝑡|𝑡−1))]
(6.70)
6.4 De inición de los Umb ales Es ocás icos
En un algo i mo de gene ación de esiduos ideal, el alo de és e debe ía se nulo en
ausencia de allos y no nulo cuando se p odujese alguno. Sin emba go, debido a los
di e sos mo i os que se han mencionado an e io men e, el alo de esiduo no es po lo
gene al nulo incluso en ausencia de allos.
Es en onces cuando su ge la necesidad de diseña unos má genes o umb ales pa a
de e mina si el sis ema es á uncionando co ec amen e o puede exis i la p esencia de
algún allo.
U ilizando la Teo ía de la P obabilidad, se de inen los Umb ales Es ocás icos [35],
eniendo en cuen a la ince idumb e en la gene ación de esiduos pa a op imiza los
alo es de umb ales de allos. Po o o lado, la de inición de es os umb ales ae consigo
el incon enien e de que puedan exis i pequeños allos que no sean de ec ados, al no
supe a los umb ales de inidos, lo que lle a a la p esencia de posibles alsos nega i os.
La Teo ía de la P obabilidad se ocupa del es udio de p ocesos es ocás icos en el ámbi o
ma emá ico. En es e con ex o, se es ablece la a iable alea o ia como una unción
ma emá ica que asigna un núme o a un expe imen o alea o io, es deci , busca ep esen a
los esul ados de un e en o alea o io. En pa icula , una a iable alea o ia con inua aba ca
un conjun o in ini o de posibles alo es. Po lo an o, los esiduos se a a án como
a iables alea o ias con inuas. La exp esión que desc ibe la p obabilidad ela i a de que
51
una a iable alea o ia adquie a un alo especí ico ecibe el nomb e de Función de
Densidad de P obabilidad (P obabili y Densi y Func ion, PDF). Cumple las siguien es
condiciones:
1. Pa a odos los alo es de x:
𝑓(𝑥)≥0
(6.71)
2. El á ea bajo la cu a de 𝑓(𝑥)
∫ 𝑓(𝑥)𝑑𝑥=
∞
−∞ 𝑃(−∞≤𝑋≤∞)=1
(6.72)
Siendo 𝑋 el alo de la a iable alea o ia, x el alo de la a iable eal (eje de abscisas) y
𝑃 la p obabilidad que a de 0 a 1.
La Cumula i e Dis ibu ion Func ion (CDF) es la p obabilidad de que una a iable
alea o ia sea meno o igual a un alo de e minado, es deci , siendo 𝑋 una a iable
alea o ia con inua con una PDF 𝑓(𝑥) , la CDF de 𝑋 es:
𝐹(𝑥)=∫ 𝑃(𝑋≤𝑥)
𝑋
−∞
(6.73)
Pa a ob ene el alo de x asociado con una p obabilidad acumulada especí ica 𝑝 , se
u iliza la In e se Cumula i e Dis ibu ion Func ion (ICDF). Pa a una dis ibución
con inua y es ic amen e monó ona la ICDF de uel e un alo x al que:
𝑃(𝑋≤𝑥)=𝑝
(6.74)
Cen ándonos en el ámbi o de es e documen o, los esiduos se en a ec ados po a iables
alea o ias, lo que gene almen e impide que sean nulos, con i iéndolos en un p oceso
es ocás ico. U ilizando los p incipios de la Teo ía de la P obabilidad, se ía posible
de e mina un umb al 𝛾(𝑡) con una p obabilidad 𝑝. Es o indica ía que el esiduo gene ado
𝑟(𝑡) iene una p obabilidad igual o mayo a dicho umb al en si uaciones donde no hay
allos.
De mane a análoga a (6.74):
𝑃(𝑟(𝑡)≤𝛽(𝑡))=𝑝
(6.75)

52
La p obabilidad de que ocu a un also posi i o es de 1−𝑝. De es e modo si 𝑝 es ele ada
disminuye la p obabilidad de que apa ezcan alsos posi i os, pe o aumen a la
p obabilidad de que se p oduzcan alsos nega i os. Po an o, es de i al impo ancia
encon a un equilib io en e la sensibilidad y especi icidad.
Lo que se in en a es calcula pa a cada ins an e 𝑡 el umb al supe io , 𝛽𝑖(𝑡) e in e io 𝛾𝑖(𝑡)
cuyo in e alo debe con ene al esiduo 𝑟𝑖(𝑡) en ausencia de allos. Se exp esa como:
𝑃(𝛾𝑖(𝑡)≤𝑟𝑖(𝑡)≤𝛽𝑖(𝑡))=𝐹𝑟(𝑡)(𝛽(𝑡))−𝐹𝑟(𝑡)(𝛾(𝑡))
(6.76)
Siendo 𝐹𝑟(𝑡) en es e caso el alo de la CDF de una dis ibución no mal.
Pa a calcula los umb ales se u iliza un conjun o de da os his ó icos expe imen ales en
escena ios ausen es de allos a pa i de los cuales se ealiza el cálculo de los esiduos
his ó icos.
Ma emá icamen e el p oblema se pod ía esol e como:
máx 𝛽𝑖(𝑡)
s. . 𝑃(𝑟𝑖ℎ(𝑡)≥𝛽𝑖(𝑡))≥1−𝑝,∀𝑖,∀𝑡
(6.77)
mín 𝛾𝑖(𝑡)
s. . 𝑃(𝑟𝑖ℎ(𝑡)≤𝛾𝑖(𝑡))≥𝑝,∀𝑖,∀𝑡
(6.78)
Donde 𝑃 es la dis ibución de p obabilidad, 𝑟𝑖ℎ(𝑡) es el his ó ico del esiduo 𝑖, 𝛽𝑖
ep esen a el umb al supe io del esiduo 𝑟𝑖, 𝛾𝑖 el umb al in e io y 𝑝 ep esen a la
p obabilidad. Las exp esiones (6.77) y (6.78) se pueden esc ibi como:
𝑃(𝑟𝑖ℎ(𝑡)≥𝛽𝑖(𝑡)≥1−𝐹(𝛽𝑖(𝑡))→𝛽𝑖(𝑡)≤𝐹−1(1−𝑝)
(6.79)
𝑃(𝑟𝑖ℎ(𝑡)≤𝛾𝑖(𝑡))≥1−𝐹(𝛾𝑖(𝑡))→ 𝛾𝑖(𝑡)≥𝐹−1(𝑝)
(6.80)
La ampli ud del in e alo [𝛽𝑖(𝑡),𝛾𝑖(𝑡)] de e mina el amaño de allo mínimo que puede
se de ec ado en alo es absolu os.
Pa a de e mina si un esiduo 𝑟𝑖(𝑡) dis in o de ce o e ela un allo o no, una nue a a iable
bina ia 𝑟𝑖𝑏∈[0,1] se empa eja con 𝑟𝑖. Se calcula de acue do con:
𝑟𝑖𝑏(𝑡)={1 𝑠𝑖 𝑟𝑖(𝑡)<𝛽𝑖(𝑡) 𝑜 𝑟𝑖(𝑡)<𝛾𝑖(𝑡)
0 𝑠𝑖 𝛽𝑖(𝑡)≤𝑟𝑖(𝑡)≤𝛾𝑖(𝑡) }
(6.81)
53
7 Diseño de una mic o ed pa a su
implemen ación en Ma Lab® y
Simulink®
A con inuación, se desa olla á el modelo lineal en espacio de es ados de la mic o ed del
INTA, el cual se á base pa a los algo i mos de cálculos de esiduos implemen ados, pa a
ello se adap a á el modelo de mic o ed p opo cionado [5],[38].
7.1 Modelo de la mic o ed
El p ime paso pa a la implemen ación de un sis ema de de ección de allos basado en
modelo es ob ene un modelo de la mic o ed que se a a es udia . Dado que la elación
en e la po encia en los di e en es componen es y los es ados de ca ga se asemeja a una
unción lineal, el sis ema se puede modela median e una ep esen ación en espacio de
es ados:
𝑥(𝑡+1)=𝐴𝑥(𝑡)+𝐵𝑢(𝑡)+𝐷𝑑(𝑡)
𝑦(𝑡)=𝐶𝑥(𝑡)
(7. 1)
Donde 𝑥(𝑡) es el ec o de es ado, 𝑢(𝑡) es la señal de con ol, 𝑑(𝑡) es la pe u bación en
el sis ema e 𝑦(𝑡) es la salida.
El es ado del sis ema iene ep esen ado po los es ados de ca ga de las ba e ías, el
supe condensado y el ni el del depósi o de hid ógeno, como se obse a en (7.2). En es e
modelo el es ado se co esponde con la salida.
𝑥(𝑡)=𝑦(𝑡)=[𝑆𝑂𝐶𝑝𝑏(𝑡) 𝑆𝑂𝐶𝑙𝑖(𝑡) 𝐿𝑂𝐻(𝑡) 𝑆𝑂𝐶𝑠𝑐(𝑡) 𝑆𝑂𝐶𝑚𝑒(𝑡) 𝑆𝑂𝐶𝑑𝑒(𝑡)]𝑇
(7. 2)
Los é minos ela i os a los es ados de ca ga de los coches híb idos se án nulos mien as
no es én conec ados a la mic o ed.
Las ba e ías de plomo se enca gan de pe mi i que se cumpla el balance de po encia. Po
ello, las a iables manipulables son las po encias de las ba e ías, del supe condensado y
de la ed:
54
𝑢(𝑡)=[𝑃𝑔𝑟𝑖𝑑(𝑡) 𝑃𝑙𝑖(𝑡) 𝑃𝑠𝑐(𝑡) 𝑃𝑚𝑒(𝑡) 𝑃𝑑𝑒(𝑡)]𝑇
(7. 3)
Al igual que en (7.2), las componen es ela i as a los ehículos híb idos se án dis in as
de ce o cuando es os se encuen en conec ados.
Debido a que la gene ación y la demanda no o man pa e del sis ema de con ol, se
a a án como una pe u bación del sis ema. Además, si los coches híb idos es án
conec ados a la mic o ed, el consumo de hid ógeno, el cual es á exp esado en po cen aje,
ambién se e á ep esen ado como una pe u bación.
𝑑(𝑡)=[𝑃𝑛𝑒𝑡(𝑡) 𝐶𝑜𝑛𝑠𝐻(𝑡)]𝑇
(7. 4)
A con inuación, se gene a á un modelo lineal que ep esen a los di e sos componen es
que cons i uyen la mic o ed, es ableciendo una conexión en e los es ados y las señales
de las a iables que pueden se con oladas a a és de su endimien o.
Las ba e ías de ácido plomo se desca gan al aumen a la po encia que in e cambian con
la mic o ed y se pueden modela median e el siguien e balance de ene gía:
𝑆𝑂𝐶𝑝𝑏(𝑡+1)=𝑆𝑂𝐶𝑝𝑏(𝑡)−𝜂𝑝𝑏𝑇𝑠
𝐶𝑚𝑎𝑥𝑝𝑏 𝑃𝑝𝑏(𝑡)
(7. 5)
Donde 𝐶𝑚𝑎𝑥𝑝𝑏 es la capacidad de la ba e ía, 𝜂𝑝𝑏 es el endimien o y 𝑇𝑠 es el iempo de
mues eo.
Al no se una señal de con ol la po encia de la ba e ía de plomo se ha de exp esa en
unción del es o de po encias median e un balance ene gé ico.
𝑃𝑝𝑏(𝑡)=−𝑃𝑛𝑒𝑡(𝑡)−𝑃𝑔𝑟𝑖𝑑(𝑡)−𝑃𝑙𝑖(𝑡)−𝑃𝑚𝑒(𝑡)−𝑃𝑑𝑒(𝑡)−𝑃𝑠𝑐(𝑡)
(7. 6)
Uniendo las ecuaciones (7.5) y (7.6), se ob iene el modelo de ba e ía de plomo que iene
dado po la siguien e ecuación:
𝑆𝑂𝐶𝑝𝑏(𝑡+1)=𝑆𝑂𝐶𝑝𝑏(𝑡)−𝜂𝑝𝑏𝑇𝑠
𝐶𝑚𝑎𝑥𝑝𝑏 (−𝑃𝑛𝑒𝑡(𝑡)−𝑃𝑔𝑟𝑖𝑑(𝑡)
(7. 7)
La ba e ía de ion li io se modela de mane a simila :
𝑆𝑂𝐶𝑙𝑖 (𝑡+1)=𝑆𝑂𝐶𝑙𝑖(𝑡)−𝜂𝑙𝑖𝑇𝑠
𝐶𝑚𝑎𝑥𝑙𝑖 𝑃𝑙𝑖(𝑡)
(7. 8)
El es ado de ca ga del supe condensado queda:
55
𝑆𝑂𝐶𝑠𝑐(𝑡+1)=𝑆𝑂𝐶𝑠𝑐(𝑡)−𝜂𝑠𝑐𝑇𝑠
𝐶𝑚𝑎𝑥𝑠𝑐 𝑃𝑠𝑐(𝑡)
(7. 9)
En el modelo del elec olizado , el ni el de hid ógeno se modela como:
𝐿𝑂𝐻(𝑡+1)=𝐿𝑂𝐻(𝑡)+𝜂𝑒𝑙𝑧𝑇𝑠
𝑉𝑚𝑎𝑥 𝑃𝑒𝑙𝑧(𝑡)−𝐶𝑜𝑛𝑠𝐻(𝑡)
(7. 10)
Donde 𝐶𝑜𝑛𝑠𝐻 es la disminución del ni el de hid ógeno p o ocada po los coches
híb idos.
Po úl imo, las ba e ías de los coches se modelan del mismo modo que las de li io y plomo:
𝑆𝑂𝐶𝑚𝑒(𝑡+1)=𝑆𝑂𝐶𝑚𝑒(𝑡)−𝜂𝑚𝑒𝑇𝑠
𝐶𝑚𝑎𝑥𝑚𝑒 𝑃𝑚𝑒(𝑡)
(7. 11)
𝑆𝑂𝐶𝑑𝑒(𝑡+1)=𝑆𝑂𝐶𝑑𝑒(𝑡)−𝜂𝑑𝑒𝑇𝑠
𝐶𝑚𝑎𝑥𝑑𝑒 𝑃𝑑𝑒(𝑡)
(7. 12)
En la siguien e abla se ecogen los alo es de los di e en es pa áme os del modelo,
donde los alo es de los endimien os se han ob enido de o ma expe imen al y el es o
son da os ob enidos del ca álogo:
Tabla 7.1 Pa áme os del modelo
𝜂
𝐶𝑚𝑎𝑥(𝐴ℎ)
Ba e ía plomo
0.2000 (6% 𝑉−1)
125
Ba e ía li io
0.2318 (6% 𝑉−1)
225
Supe condensado
0.0238 (𝑚3/𝑠𝑘𝑊)
125
Pla a o ma Melex
0.3978 (𝑚3/𝑠𝑘𝑊)
225
Pla a o ma Del ín
0.3978 (𝑚3/𝑠𝑘𝑊)
225
A pa i de lo desa ollado an e io men e, se puede c ea el modelo de espacio de es ados
de la siguien e o ma:
62
Figu a 8.2: Segunda mi ad del diag ama del modelo p opo cionado incluyendo el
con olado MPC y los dos bloques de de ección de allos median e la gene ación de
esiduos.
El modelo de mic o ed ep esen ado en las Figu as 8.1 y 8.2 es con olado po un
con olado MPC, el cual u iliza las salidas y en adas an e io es de la mic o ed pa a
gene a , op imizando una unción de cos e, nue as en adas pa a el modelo. El
con olado p opo cionado iene un iempo de mues eo de un segundo, un ho izon e de
con ol de dos segundos y un ho izon e de p edicción de diez segundos.
El modelo p opo cionado, pa e de un modelo p e io al cual se le añadie on los dos
bloques de de ección de allos median e la gene ación de esiduos, los cuales pueden
ap ecia se en la igu a (8.2).
El p esen e abajo pa e del modelo desc i o an e io men e, el cual es aba diseñado pa a
la de ección de allos y el pos e io aislamien o de mane a que se de e mine en qué
momen o ocu e el allo y qué componen e es el que es á allando.
Como con inuación al modelo de mic o ed p opo cionado, la p opues a de es e abajo
a a sob e la de ección de posibles cibe a aques que pudie an ocu i , en es e caso a los
dis in os componen es que in eg an la mic o ed. La dis inción en e un cibe a aque y un
allo puede conside a se de la siguien e mane a: La ocu encia de un allo es algo que
sucede de mane a pun ual, de modo que la al e ación del uncionamien o de un

63
componen e en un in e alo de iempo es á ma cada po la exis encia o no de un cambio
en el compo amien o. Sin emba go, cuando se p oduce un cibe a aque, al y como se ha
desa ollado an e io men e en el capí ulo 3, el obje i o de los “cibe a acan es” puede se
la ex acción de in o mación comp obando los dis in os uncionamien os del sis ema
ealizando nume osas acciones en un pe iodo de iempo de e minado.
Figu a 8.3: Secuencia de cibe a aque a lo la go de N pasos. Fuen e: [39]
La igu a 8.3, ex aída de un a ículo de la Uni e sidad de Bu deos (Uni e si é
Bou deaux) que a a sob e cibe a aques “DoS” (denegación de se icio) a sis emas
con olados po modelos basados en con ol p edic i o MPC, p opo ciona una isión de
cómo se ía la secuencia de un cibe a aque a lo la go de N pasos. La anja azul se
co esponde ía con lo que se ía el “umb al” de nues o modelo p edic i o y la línea de
azo con inuo ep esen ada en la g á ica se co esponde ía con el esiduo gene ado. Las
es ellas ojas indican la p esencia de cibe a aque en el paso co espondien e. Como puede
obse a se, si el modelo es á co ec amen e p og amado y no hay exis encia de alsos
posi i os ni alsos nega i os, cuando hay p esencia de cibe a aque la g á ica
co espondien e al esiduo debe ía de sob epasa el umb al es ablecido indicando así la
p esencia de cibe a aques.
La di e encia undamen al en e una secuencia de allos consecu i os no p o ocada de
mane a in encionada con o a p o ocada in encionadamen e es que, una ez ocu ido el
allo, la p obabilidad de que el uncionamien o del sis ema ol iese a se el adecuado
se ía mínima, pues necesi a ía de la in e ención de un ac o humano a menos que
es u iese p og amado pa a su eajus e au omá ico. En un cibe a aque, el a acan e
manipula a su olun ad el uncionamien o de la ed, p o ocando es a sucesión de
in e alos en los que se al e na un uncionamien o co ec o, den o del alo de los
umb ales es ablecidos, y un inco ec o uncionamien o que sob epasa es os umb ales,
pa a inalmen e e mina en un co ec o uncionamien o, lo que da luga a sospecha de
que el sis ema es á siendo a acado. Además, los delincuen es in o má icos po lo gene al
quie en pasa desape cibidos du an e las in e e encias que ealizan, sal o que el obje i o
p incipal sea deses abiliza el sis ema.
64
Es en onces la base undamen al pa a la ealización de las simulaciones el p ocedimien o
an e io men e explicado, el cual se i á pa a jus i ica el modelo de cibe a aque que se á
ejecu ado en las simulaciones que se ep esen a án a con inuación.
Al igual que en el p ocedimien o de de ección de allos, en donde se conside aba la
exis encia de allo cuando el alo de esiduo supe aba el alo de un umb al
p ees ablecido, en el caso de cibe a aque el uncionamien o se á simila , con la
pa icula idad de que un cibe a aque pod ía conside a se una sucesión consecu i a de
allos que ocu en en un pe iodo de e minado de iempo.
El modelo de simulación p opo cionado pe mi e elegi en e el es ado de ca ga inicial,
desde ca ga baja has a ca ga media y al a. De ca a a los esul ados, seleccionando
cualquie es ado de ca ga la espues a de los algo i mos a los allos es equi alen e, de
modo que la elección no es ele an e a la ho a de e alua los esul ados. Se selecciona
po an o un es ado de ca ga medio.
En las secciones siguien es, se e alua á el alo del esiduo an e cibe a aques p o ocados
en elemen os de la mic o ed eniendo en cuen a la in luencia del alo 𝑝 en la
de e minación de los umb ales.
Pa a lle a a cabo la simulación de los cibe a aques en el modelo de la mic o ed, se ha
p ocedido a ac ualiza el “swi ch” o iginal del modelo p opo cionado, el cual pe mi ía de
mane a manual p o oca un allo sob e un componen e en un de e minado ins an e de
iempo, al consegui que la po encia acili ada sea nula, lo que indica ía p esencia de allo.
La ac ualización del “swi ch” consis e en inclui un bloque unción de Ma Lab® en el
que se ha p og amado una secuencia de allos y “no allos”, median e una secuencia
bina ia que pe mi e al e na de “no allo” a allo y de allo a “no allo”. Además de
pe mi i la al e nancia en e allos se puede selecciona el ins an e de iempo en el que
ocu e la al e nancia. Median e es a ac ualización, la simulación de los cibe a aques se
desa olla de mane a óp ima, emulando la secuencia de cibe a aque p opues a en el
a ículo de la Uni e sidad de Bu deos que se ha ci ado an e io men e.
El bloque iene dos en adas, la p ime a es la po encia y la segunda es el iempo de
simulación, de modo que, si en un ins an e de iempo conc e o, la simulación es á en un
in e alo de allo, el bloque de uel e "0" y, si es á en un in e alo de no allo, en onces
de uel e el alo de la p ime a en ada (la po encia).
A con inuación, en la Figu a 8.4 se mues a el bloque mencionado an e io men e:
65
Figu a 8.4: Bloque unción de Ma lab® p og amada pa a c ea la secuencia de allos
que simula ían un cibe a aque.
Figu a 8.5: Líneas de código que componen el bloque unción de Ma lab®.
En la Figu a 8.4 se puede e el bloque unción de Ma lab® el cual pe mi e p og ama la
secuencia de allos al y como se desee y en la Figu a 8.5 se iene el desa ollo del código
c eado pa a con igu a el supues o cibe a aque.
66
El código mos ado en la Figu a 8.5 basa su uncionamien o en la a iable allos, la cual
pe mi e selecciona el ins an e de iempo en el que se quie e p o oca el allo, además de
indica si se es á en p esencia de allo o no. Añadi un 1 a la de echa del iempo, indica ía
que a pa i de ese ins an e de iempo se encon a ía allando el sis ema. De la misma
mane a, añadiendo un 0 se end ía ausencia de allo de modo que el uncionamien o del
sis ema se ía el co ec o.
Asociado a la exis encia o no de allo, se p og ama el bloque de modo que si se es á en
p esencia de allo la po encia de salida del bloque se ía nula ( al y como debe de ocu i
en p esencia de allo) y en caso de no exis encia de allo, la po encia de salida del bloque
se ía la po encia de en ada al bloque.
Figu a 8.6: Valo es de esiduos calculados pa a un pe il de cibe a aque median e
il o de Kalman y ecuaciones de pa idad.
67
En la Figu a 8.6 se ep esen a el cálculo de esiduos an e un pe il de cibe a aque diseñado
en la Figu a 8.5 an o pa a el mé odo de ecuaciones de pa idad como pa a il o de
Kalman, así como los umb ales supe io es e in e io es.
Pa a la de ección de cibe a aques, se ha c eado una con igu ación de modo que, a pa i
de un núme o de e minado de allos ocu idos desde el inicio de la simulación, se
conside a ía que el elemen o en cues ión es á siendo obje i o de un cibe a aque. Como
puede obse a se, en la g á ica in e io (Figu a 8.7), en el ins an e = 1050 s se de ec a
el cibe a aque y po an o la a iable bina ia “Exis encia de cibe a aque” oma el alo 1.
Se mues a en es e caso la a iable bina ia asociada al pe il de cibe a aque median e il o
de Kalman.
Figu a 8.7: Rep esen ación de la a iable bina ia asociada al pe il de cibe a aque
median e il o de Kalman.
8.1 Cibe a aque a la ba e ía de plomo-ácido
El cibe a aque a la ba e ía de plomo-ácido se ha p og amado pa a que ocu a en el pe iodo
de iempo en e 𝑡=1000 𝑠 y 𝑡=1300 𝑠. La ecuencia del cibe a aque o el núme o de
allos ocu idos en ese pe iodo de iempo que se asocian a la exis encia de cibe a aque ha
sido seleccionado de mane a alea o ia de modo que el “cibe a acan e” no ha seguido un
pa ón de inido en el iempo. La mane a de p o oca el cibe a aque es median e el bloque
unción de Ma Lab® an e io men e explicado, en el in e alo de iempo de inido, se
p og aman al aza una secuencia de allos y no allos que al e an la en ada de po encia
al componen e en cues ión, p o ocando en consecuencia que el esiduo gene ado su a
a iaciones las cuales es necesa io de ec a pa a iden i ica el cibe a aque. Se conside a
que hay exis encia de cibe a aque a pa i de un núme o de n=3 allos de ec ados.
Las des iaciones es ánda , ob enidas a pa i de da os his ó icos, pa a el cálculo de los
umb ales son:
𝜎𝑝𝑎𝑟𝑖𝑑𝑎𝑑
𝑝𝑏 =9.6394∙10−4 ; 𝜎𝐾𝑎𝑙𝑚𝑎𝑛
𝑝𝑏 =0.0010
(8.1)

68
La media se ob iene en cada iempo de mues eo, de igual mane a pa a cada elemen o, a
pa i de los da os his ó icos pa a una en ana de iempo (𝑡+𝑝1) a ándose po an o de
una media mó il siendo 𝑝1=6.
Los umb ales es ocás icos se calculan, al y como se de alla en el epíg a e 6.4, haciendo
uso de la ICDF (In e se Cumula i e Dis ibu ion Func ion) de una dis ibución no mal
pa a cada ins an e de iempo. El código u ilizado en Ma Lab® (aplicable pa a el es o de
los componen es de la mic o ed) es (Figu a 8.8):
Figu a 8.8: Código de Ma Lab® pa a el cálculo de los umb ales es ocás icos.
A con inuación, se mues an las igu as co espondien es a los cibe a aques p o ocados
sob e la ba e ía de plomo-ácido, u ilizando los mé odos de de ección de allos de
ecuaciones de pa idad y il o de Kalman. Los alo es de 𝑝 seleccionados son 0.85, 0.75
y 0.65 espec i amen e (Figu as 8.9 a 8.14). Los umb ales supe io e in e io se desc iben
median e las líneas azules y ojas, espec i amen e.
69
Figu a 8.9: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 3 allos a la ba e ía plomo-ácido median e ec. de pa idad con p= 0.85.
Figu a 8.10: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 3 allos a la ba e ía plomo-ácido median e il o de Kalman con p= 0.85.
70
Figu a 8.11: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 3 allos a la ba e ía plomo-ácido median e ec. de pa idad con p= 0.75.
Figu a 8.12: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 3 allos a la ba e ía plomo-ácido median e il o de Kalman con p= 0.75.
71
Figu a 8.13: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 3 allos a la ba e ía plomo-ácido median e ec. de pa idad con p= 0.75.
Figu a 8.14: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 3 allos a la ba e ía plomo-ácido median e il o de Kalman con p= 0.75.
78
Figu a 8.21: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 5 allos al supe condensado median e ec. de pa idad con p= 0.85.
Figu a 8.22: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 5 allos al supe condensado median e il o de Kalman con p= 0.85.

79
Figu a 8.23: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 5 allos al supe condensado median e ec. de pa idad con p= 0.75.
Figu a 8.24: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 5 allos al supe condensado median e il o de Kalman con p= 0.75.
80
Figu a 8.25: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 5 allos al supe condensado median e ec. de pa idad con p= 0.65.
Figu a 8.26: Simulación de cibe a aque, de ección de allos y de ección de cibe a aque
as 5 allos al supe condensado median e il o de Kalman con p= 0.65.
81
En is a a las igu as an e io es, se obse a la ele ancia de selecciona un alo de p
adecuado:
● 𝒑=𝟎.𝟖𝟓: Se iene que el algo i mo no es capaz de de ec a el cibe a aque
median e ninguno de los dos mé odos u ilizados, de modo que es a si uación se ía
la de also nega i o, dando luga a que el cibe a aque pase desape cibido.
● 𝒑=𝟎.𝟕𝟓: En es e caso, sigue siendo inde ec able el cibe a aque pa a el mé odo
de il o de Kalman, sin emba go, pa a el mé odo basado en las ecuaciones de
pa idad se pueden ap ecia dos allos, los cuales, no se ían su icien es pa a
sospecha de un posible cibe a aque habiendo es ablecido el c i e io de de ección
a pa i del quin o allo.
● 𝒑=𝟎.𝟔𝟓: Finalmen e, seleccionando es e alo de p, se consigue de ec a con
e ec i idad la p esencia de cibe a aque en el mé odo de ecuaciones de pa idad.
En es e caso, el mé odo de il o de Kalman p esen a unas a iaciones en el
esiduo muy pequeñas que no llegan a alcanza los alo es de los umb ales
seleccionados de modo que pa a es e caso en pa icula el il o de Kalman no
de ec a el cibe a aque, la solución básica se ía segui educiendo aún más el
umb al, pe o pod ía conlle a a la apa ición de nume osos alsos posi i os en
ins an es de iempo en los que no es a ía ocu iendo el cibe a aque. Es po lo
ocu ido an e io men e que es de i al impo ancia dispone de al menos dos
mé odos de de ección de cibe a aques de modo que en caso de que uno no de ec e
se disponga de o o pa a con as a el esul ado ob enido.
82
9 Conclusiones
El desa ollo de es e abajo pa e de la p oblemá ica ac ual de odo lo elacionado con la
segu idad in o má ica, dado que cada día se in o ma izan y au oma izan nume osos
p ocesos los cuales no es án exen os de se íc imas de a aques de in e e encia ilíci a.
Es de lo an e io men e expues o de donde nace el concep o de “cibe a aque” y
pos e io men e la espues a a ello que se ía la cibe segu idad. La cibe segu idad es un
mundo ex emadamen e amplio que aba ca mul i ud de ace as di e en es dada la
complejidad y la g an a iedad de posibilidades median e las cuales los cibe delincuen es
pueden ealiza los ac os ilíci os con a los sis emas in o má icos.
En es e p oyec o, se pa e de un modelo de mic o ed p opo cionado, al cual, se le han
aplicado las modi icaciones necesa ias pa a pode ealiza simulaciones que emulen el
p oceso de un cibe a aque y las medidas pa a de ec a o al menos ene sospechas de que
en e ec o se pod ía es a p oduciendo.
9.1 Rendimien o del modelo p edic i o aplicado a
cibe a aques
Pa a la de ección de posibles cibe a aques, se han u ilizado dos mé odos dis in os, pe o
con la misma inalidad, la de ección del cibe a aque median e un esiduo gene ado. De
modo que si se supe an unos umb ales es ablecidos se en iende que el uncionamien o no
se ía el adecuado y po lo an o se pod ía ene sospecha de que un cibe a aque pudie a
es a ocu iendo.
Lo que di e encia a ambos mé odos es la mane a de calcula el esiduo a pa i de las
en adas, que son comunes pa a ambos algo i mos ambién, a excepción de las a iables
es adís icas que el obse ado basado en el il o de Kalman implemen a pa a una mejo
es imación, mien as que las ecuaciones de pa idad u ilizan únicamen e las en adas y
salidas del sis ema.
En cuan o a los esul ados ob enidos, exis en ac o es que de e minan la e iciencia de los
algo i mos, los cuales son undamen ales pa a ene en cuen a la co ec a de ección de los
cibe a aques, algunos impo an es como:
● Valo de 𝑝 seleccionado: Es undamen al selecciona un alo de 𝑝 idóneo que
pe mi a la co ec a de ección de los cibe a aques sin causa con usiones median e
la de ección de alsos posi i os ajus ando en exceso su alo , o empleando
umb ales demasiado g andes de o ma que puedan llega a pasa desape cibidos
los posibles cibe a aques. La solución co ec a end ía de e minada po un
his o ial ele ado de casos, que pe mi a i ajus ando poco a poco y de mane a
p ecisa el ango de alo es de 𝑝 adecuados.
83
● Co ec o uncionamien o del modelo: Dado que el uncionamien o de las
simulaciones es á undamen ado en la u ilización de algo i mos basado en
modelo, el co ec o ajus e de es os es undamen al pa a que p opo cionen unas
salidas con alo es que se ace quen a la ealidad del p oceso. No end ía ningún
sen ido es e mé odo de de ección de cibe a aques si los esul ados que es án
p opo cionando los modelos ienen desajus es de al magni ud que no se
co espondan con la ealidad.
● Momen o del cibe a aque: Du an e la ealización de las simulaciones se pudo
comp oba que la co ec a de ección de las cadenas de allos en se ie (posibles
cibe a aques) enían una p obabilidad mucho más ele ada de de ec a se si el
elemen o en cues ión se encon aba en uncionamien o, de modo que si el
elemen o se encon aba en ase de eposo (p o ee po encia con meno in ensidad)
la de ección se complicaba.
9.2 Líneas u u as
Las u u as líneas de in es igación pod ían en oca se en la mejo a de adap ación de los
algo i mos a las ác icas cambian es de los cibe delincuen es. Es o implica el desa ollo
de écnicas de ap endizaje au omá ico que sean capaces de ajus a se dinámicamen e a
nue os pa ones de a aque y que puedan ap ende de mane a con inua a pa i de da os en
iempo eal.
En is a a lo expues o en las líneas an e io es, la in eligencia a i icial pod ía amplia la
iden i icación de pa ones más complejos y la co elación de in o mación a g an escala.
Median e el uso de la in eligencia a i icial y una base de da os de cibe a aques a lo la go
de la his o ia, se pod ía consegui llega a una p ecisión adecuada pa a que se de ec en de
mane a co ec a los cibe a aques a pesa de las posibles a iaciones que los
cibe delincuen es puedan i añadiendo.
Como ejemplo de mejo a al modelo p opues o se iene la posibilidad de moni o iza la
di e encia en e los umb ales y el esiduo gene ado, de modo que cuando expe imen e
caídas po debajo de o o umb al seleccionado se puedan ene sospechas de la exis encia
de cibe a aque, odo es o sin necesidad de que se sob epasen los umb ales iniciales,
aunque sí que debe ían de es a muy ce ca de se sob epasados.
A con inuación (Figu a 9.1) se mues a un pe il de cibe a aque que es á muy ce ca de
sob epasa los umb ales pe o no llega a sob epasa los:

84
Figu a 9.1: Valo es esiduales y umb ales es ocás icos median e ec. de pa idad
ep esen ados en el cibe a aque al supe condensado con p=0.78.
Como se puede ap ecia , pa a el alo de p=0.78 se consigue es a muy ce ca de los
umb ales, pe o no se llegan a sob epasa , pa a ello se pod ía diseña la siguien e solución
(Figu a 9.2):
Figu a 9.2: Di e encia en e esiduo gene ado y umb al supe io pa a un cibe a aque
al supe condensado pa a un alo de p=0.78 median e ec. de pa idad.
En la igu a mos ada se mues a el alo di e encial en e el esiduo gene ado y el umb al
supe io (se pod ía hace con el umb al in e io ambién). Se puede obse a una cla a
al e ación en el alo mien as se p oduce el cibe a aque en compa ación con su
uncionamien o co ec o. Se han posicionado como ejemplo unos nue os umb ales
supe io e in e io que pod ían se i pa a de ec a la posibilidad de cibe a aque.
85
Es o se i ía como un mé odo auxilia o adicional de de ección moni o izando a su ez
los alo es di e enciales en e umb ales y esiduo, eniendo en cuen a que hab ía que
ajus a los co ec amen e pa a e i a la de ección de alsos posi i os.
Como mé odo de de ensa an e la epen ina de ección de un posible cibe a aque, se end ía
la posibilidad de desac i a el componen e a acado en cues ión. Pa a ello se p ocede a
ealiza una econ igu ación de modo que una ez de ec ado el cibe a aque se anule la
u ilización del componen e. Pa a ejempli ica lo se a a supone que en 𝑡=1300 𝑠 se ha
de ec ado la posible p esencia de un cibe a aque a la ba e ía de plomo-ácido median e
alguno de los mé odos ci ados an e io men e y de mane a au omá ica se inhabili a el
uncionamien o de la ba e ía pa a p o ege el sis ema.
Pa a mos a el e ec o de la econ igu ación se ienen las siguien es imágenes:
Figu a 9.3: E olución de la po encia de la ba e ía plomo-ácido mien as se p oduce un
cibe a aque de ec ado en = 1300 s.
Figu a 9.4: E olución del es ado de ca ga de la ba e ía plomo-ácido mien as se
p oduce un cibe a aque de ec ado en = 1300 s.
86
En la Figu a 9.3 se mues a la e olución de la po encia de la ba e ía plomo-ácido an e la
p esencia de un cibe a aque de ec ado en 𝑡=1300 𝑠. Como se puede obse a , a pa i
del segundo 1300, el alo de po encia de la ba e ía se si úa en 0, indicando que se ha
desac i ado el elemen o en cues ión.
En la Figu a 9.4 se mues a la e olución del es ado de ca ga de la ba e ía plomo-ácido
an e la p esencia de un cibe a aque de ec ado en 𝑡=1300 𝑠. En es e caso se ap ecia que
a pa i del segundo 1300, el es ado de ca ga de la ba e ía se man iene cons an e con el
alo que enía en el mismo ins an e que es de ec ado el cibe a aque. Es o indica que la
ba e ía no es á siendo u ilizada como e ec o de la desac i ación pa a p o ege el elemen o
del cibe a aque.
Las mejo as explicadas an e io men e, jun o con la u ilización de la in eligencia a i icial,
pe mi i án mejo a la p o ección an e in e e encias ilíci as de ca ác e in o má ico.
87
94
[24]
«Mobbeel,» h ps://www.mobbeel.com/blog/que-es-la-au en icacion-mul i ac o -o-de-2-
ac o es/#:~: ex =La%20Au en icaci%C3%B3n%20Mul i ac o %20(MFA)%20es,a%20
una%20cuen a%20o%20pla a o ma..
[25]
«Elpe iodicodelaene gia,» h ps://elpe iodicodelaene gia.com/la-cibe segu idad-se-
con ie e-en-una-p io idad-de-las-elec icas-po -el-aumen o-de-las-amenazas-du an e-
la-co id-19/.
[26]
«An iun,» h ps://www.an iun.com/ i ewall/.
[27]
I. N. d. Cibe segu idad, «incibe,» h ps://www.incibe.es/incibe/ o macion.
[28]
«cibe segu idad,» h ps://cibe segu idad.com/guias/nue as- ecnologias/compu acion-
cuan ica/.
[29]
I. N. d. Cibe segu idad, «incibe,» h ps://www.incibe.es/incibe/sala-de-p ensa/incibe-
i ma-cinco-con enios-pa a- o ma -en-cibe segu idad-mas-de-1700.
[30]
INTA. h ps://www.in a.es/INTA/es/index.h ml.
[31]
R. Isse man, Faul -diagnosis sys em: An in oduc ion om aul de ec ion o aul
ole ance, 2005.
[32]
T. V. Be besi, Aplicación de écnicas obus as pa a de ección y diagnós ico de allos,
Uni e sidad de Valladolid: Ph.D. hesis, 2012.
[33]
V. Puig, J. Que edo, T. Escobe , B. Mo cego y C. Ocampo, Con ol ole an e a allos
(pa e I): Fundamen os y diagnós ico de allos, 2004.
[34]
J. Chen, Model-based me hods o aul diagnosis, 1995.
[35]
J. J. M. Quin e o, Con ol p edic i o ole an e a allos aplicado a sis emas de ene gía,
Uni e sidad de Se illa, 2021.
[36]
L. F. B. Quin ana y L. J. d. M. González, Diagnós ico de allos basado en el modelo de
la plan a, Uni e sidad de León, 2003.

95
[37]
U. Wang y J. Sa angapani, «Cybe -a ack de ec ion and mi iga ion in con ol sys ems: A
model p edic i e con ol app oach» Jou nal o P ocess Con ol, 2016.
[38]
J. d. D. P. Gue a a, De ección de allos de una mic o ed median e algo i mos basados
en modelo, Uni e sidad de Se illa, 2022.
[39]
B.Auboin, A.Pe odou, C.Combas el, A.Zolghad i, Resilien ube-based MPC o Cybe -
Physical Sys ems Unde DoS A acks, Uni e sidad de Bu deos 2022.
Anexo: Códigos de Ma Lab®
Se adjun a a con inuación los códigos de Ma Lab® u ilizados pa a la elabo ación de las
simulaciones de los cibe a aques, de ección de allos y de ección de cibe a aques.
1 o 4
clea ;
close all;
load(" esiduos24h.ma "); load("Res_ec_pa idad_cibe 2.ma ");
load(" esiduos24h_kalman.ma "); load("Res_ec_kalman_cibe 2.ma ");
_Ppb= _no aul .da a(:,1); % allo en =8000s
_Ppb = .da a(:,1);
_Ppbk= _kalmanno aul .da a(:,1);
_Ppbk = _kalman.da a(:,1);
p=0.85;
des iacion_pb=s d( _Ppb);
des iacion_pbk=s d( _Ppbk);
%calculo medias
o i=1:(leng h( _Ppb)-6)
media_pb(i)=mean( _Ppb(i:(6+i)));
media_pbk(i)=mean( _Ppbk(i:(6+i)));
end
o =1:leng h(media_pb)
be a_pb( )=no min (p,media_pb( ), des iacion_pb);
gamma_pb( )=no min (1-p,media_pb( ), des iacion_pb);
be a_pbk( )=no min (p,media_pbk( ), des iacion_pbk);
gamma_pbk( )=no min (1-p,media_pbk( ), des iacion_pbk);
end
% Núme o de allos pa a p esencia de cibe a aque
e _num_ allos = 3;
cuen a_pb = 0;
o =1:leng h( _Ppb )
i _Ppb ( )>be a_pb( ) | _Ppb ( )<gamma_pb( )
b_pb( )=1;
i ==1
b_pb_an =0;
else
b_pb_an = b_pb( -1);
end
i b_pb( )==1 && b_pb_an ==0
cuen a_pb = cuen a_pb + 1;
end
else
b_pb( )=0;
end
i cuen a_pb >= e _num_ allos
de ec ado_pb( ) = 1;
else
Código simulación ba e ía Plomo-ácido
2 o 4
de ec ado_pb( ) = 0;
end
end
cuen a_pbk = 0;
o =1:leng h( _Ppbk )
i _Ppbk ( )>be a_pbk( ) | _Ppbk ( )<gamma_pbk( )
b_pbk( )=1;
i ==1
b_pbk_an =0;
else
b_pbk_an = b_pbk( -1);
end
i b_pbk( )==1 && b_pbk_an ==0
cuen a_pbk = cuen a_pbk + 1;
end
else
b_pbk( )=0;
end
i cuen a_pbk >= e _num_ allos
de ec ado_pbk( ) = 1;
else
de ec ado_pbk( ) = 0;
end
end
%
% igu e(1); plo (be a_pb); i le(['Cibe a aque plomo ec.pa idad p= ' num2s (p)]);
xlabel('Tiempo(segundos)');ylabel('Residuo'); hold on; plo (gamma_pb); plo ( _Ppb );
xlim([10 1500]);
% igu e(2); plo (be a_pbk); i le(['Cibe a aque plomo Kalman p= ' num2s (p)]);
xlabel('Tiempo(segundos)');ylabel('Residuo'); hold on; plo (gamma_pbk); plo ( _Ppbk );
xlim([10 1500]);
%
% igu e(3); plo ( b_pb); i le(['De ección de allos ec.pa idad p= ' num2s (p)]);
xlabel('Tiempo(segundos)');ylabel('Exis encia de allos'); xlim([10 1500]); ylim([-0.5
1.5]);
% igu e(4); plo ( b_pbk); i le(['De ección de allos Kalman p= ' num2s (p)]);
xlabel('Tiempo(segundos)');ylabel('Exis encia de allos'); xlim([10 1500]); ylim([-0.5
1.5]);
%
% igu e(5); plo (de ec ado_pb); i le(['De ección de cibe a aque ec.pa idad as '
num2s ( e _num_ allos) ' allos ' 'p= ' num2s (p)]); xlabel('Tiempo(segundos)');
ylabel('Exis encia de cibe a aque'); xlim([10 1500]); ylim([-0.5 1.5]);
% igu e(6); plo (de ec ado_pbk); i le(['De ección de cibe a aque Kalman as '
num2s ( e _num_ allos) ' allos ' 'p= ' num2s (p)]); xlabel('Tiempo(segundos)');
ylabel('Exis encia de cibe a aque'); xlim([10 1500]); ylim([-0.5 1.5]);
% P ime a igu a con es subplo s
igu e(1);
subplo (3, 1, 1);
plo (be a_pb);
hold on;
plo (gamma_pb);
3 o 4
plo ( _Ppb );
xlim([10 1500]);
i le(['Cibe a aque plomo ec.pa idad p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Residuo');
subplo (3, 1, 2);
plo ( b_pb);
hold on;
% plo ( b_pbk);
xlim([10 1500]);
ylim([-0.5 1.5]);
i le(['De ección de allos ec.pa idad p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Exis encia de allos');
subplo (3, 1, 3);
plo (de ec ado_pb);
hold on;
% plo (de ec ado_pbk);
xlim([10 1500]);
ylim([-0.5 1.5]);
i le(['De ección de cibe a aque ec.pa idad as ' num2s ( e _num_ allos) ' allos '
'p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Exis encia de cibe a aque');
% Segunda igu a con es subplo s
igu e(2);
subplo (3, 1, 1);
plo (be a_pbk);
hold on;
plo (gamma_pbk);
plo ( _Ppbk );
xlim([10 1500]);
i le(['Cibe a aque plomo Kalman p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Residuo');
subplo (3, 1, 2);
% plo ( b_pb);
% hold on;
plo ( b_pbk);
xlim([10 1500]);
ylim([-0.5 1.5]);
i le(['De ección de allos Kalman p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Exis encia de allos');
subplo (3, 1, 3);
% plo (de ec ado_pb);
% hold on;
plo (de ec ado_pbk);
xlim([10 1500]);
ylim([-0.5 1.5]);

4 o 4
i le(['De ección de cibe a aque Kalman as ' num2s ( e _num_ allos) ' allos ' 'p=
' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Exis encia de cibe a aque');
1 o 4
clea ;
close all;
load(" esiduos24h.ma "); load("Res_ec_pa idad_cibe _li io.ma ");
load(" esiduos24h_kalman.ma "); load("Res_ec_kalman_cibe _li io.ma ");
_Pli= _no aul .da a(:,2); %Cibe a aque en e =4500 y =5000
_Pli = .da a(:,2);
_Plik= _kalmanno aul .da a(:,2);
_Plik = _kalman.da a(:,2);
p=0.65;
des iacion_li=s d( _Pli);
des iacion_lik=s d( _Plik);
%calculo medias
o i=1:(leng h( _Pli)-6)
media_li(i)=mean( _Pli(i:(6+i)));
media_lik(i)=mean( _Plik(i:(6+i)));
end
o =1:leng h(media_li)
be a_li( )=no min (p,media_li( ), des iacion_li);
gamma_li( )=no min (1-p,media_li( ), des iacion_li);
be a_lik( )=no min (p,media_lik( ), des iacion_lik);
gamma_lik( )=no min (1-p,media_lik( ), des iacion_lik);
end
% o =1:leng h( _Pli )
% i _Pli ( )>be a_li( ) | _Pli ( )<gamma_li( )
% b_li( )=1;
% else
% b_li( )=0;
% end
% end
% o =1:leng h( _Plik )
% i _Plik ( )>be a_lik( ) | _Plik ( )<gamma_lik( )
% b_lik( )=1;
% else
% b_lik( )=0;
% end
% end
% Núme o de allos pa a p esencia de cibe a aque
e _num_ allos = 4;
cuen a_li = 0;
o =1:leng h( _Pli )
i _Pli ( )>be a_li( ) | _Pli ( )<gamma_li( )
Código simulación ba e ía Lí io
2 o 4
b_li( )=1;
i ==1
b_li_an =0;
else
b_li_an = b_li( -1);
end
i b_li( )==1 && b_li_an ==0
cuen a_li = cuen a_li + 1;
end
else
b_li( )=0;
end
i cuen a_li >= e _num_ allos
de ec ado_li( ) = 1;
else
de ec ado_li( ) = 0;
end
end
cuen a_lik = 0;
o =1:leng h( _Plik )
i _Plik ( )>be a_lik( ) | _Plik ( )<gamma_lik( )
b_lik( )=1;
i ==1
b_lik_an =0;
else
b_lik_an = b_lik( -1);
end
i b_lik( )==1 && b_lik_an ==0
cuen a_lik = cuen a_lik + 1;
end
else
b_lik( )=0;
end
i cuen a_lik >= e _num_ allos
de ec ado_lik( ) = 1;
else
de ec ado_lik( ) = 0;
end
end
% igu e(1); plo (be a_li); i le(['Cibe a aque li io ec.pa idad p= ' num2s
(p)],'Fon Size', 25); xlabel('Tiempo(segundos)','Fon Size', 20);ylabel
('Residuo','Fon Size', 20); hold on; plo (gamma_li); plo ( _Pli ); xlim([4000 5500]);
% igu e(2); plo (be a_lik); i le(['Cibe a aque li io Kalman p= ' num2s
(p)],'Fon Size', 25); xlabel('Tiempo(segundos)','Fon Size', 20);ylabel
('Residuo','Fon Size', 20); hold on; plo (gamma_lik); plo ( _Plik ); xlim([4000
5500]);
% igu e(3); plo ( b_li); i le(['De ección de allos ec.pa idad p= ' num2s
(p)],'Fon Size', 25); xlabel('Tiempo(segundos)','Fon Size', 20);ylabel('Exis encia de
3 o 4
allos','Fon Size', 20); xlim([4000 5500]); ylim([-0.5 1.5]);
% igu e(4); plo ( b_lik); i le(['De ección de allos Kalman p= ' num2s
(p)],'Fon Size', 25); xlabel('Tiempo(segundos)','Fon Size', 20);ylabel('Exis encia de
allos','Fon Size', 20); xlim([4000 5500]); ylim([-0.5 1.5]);
% igu e(5); plo (de ec ado_li); i le(['De ección de cibe a aque ec.pa idad as '
num2s ( e _num_ allos) ' allos ' 'p= ' num2s (p)],'Fon Size', 25); xlabel('Tiempo
(segundos)','Fon Size', 20);ylabel('Exis encia de cibe a aque','Fon Size', 20); xlim
([4000 5500]); ylim([-0.5 1.5]);
% igu e(6); plo (de ec ado_lik); i le(['De ección de cibe a aque Kalman as '
num2s ( e _num_ allos) ' allos ' 'p= ' num2s (p)],'Fon Size', 25); xlabel('Tiempo
(segundos)','Fon Size', 20);ylabel('Exis encia de cibe a aque','Fon Size', 20); xlim
([4000 5500]); ylim([-0.5 1.5]);
% P ime a igu a con es subplo s
igu e(1);
subplo (3, 1, 1);
plo (be a_li);
hold on;
plo (gamma_li);
plo ( _Pli );
xlim([4000 5500]);
i le(['Cibe a aque Li io ec.pa idad p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Residuo');
subplo (3, 1, 2);
plo ( b_li);
hold on;
% plo ( b_pbk);
xlim([4000 5500]);
ylim([-0.5 1.5]);
i le(['De ección de allos ec.pa idad p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Exis encia de allos');
subplo (3, 1, 3);
plo (de ec ado_li);
hold on;
% plo (de ec ado_pbk);
xlim([4000 5500]);
ylim([-0.5 1.5]);
i le(['De ección de cibe a aque ec.pa idad as ' num2s ( e _num_ allos) ' allos '
'p= ' num2s (p)]);
xlabel('Tiempo(segundos)');
ylabel('Exis encia de cibe a aque');
% Segunda igu a con es subplo s
igu e(2);
subplo (3, 1, 1);
plo (be a_lik);
hold on;
plo (gamma_lik);
plo ( _Plik );
xlim([4000 5500]);