面向电力线通信的基于Mitchell算法的OFDM同步检测方法

为了提高电力线通信系统中OFDM定时同步的准确度,文章基于低压电力线宽带载波通信互联互通技术规范下的物理层通信协议,提出了一种基于Mitchell算法的电力线载波通信符号定时算法。与理论本地互相关同步算法相比,文章的算法不需要进行乘法运算,易于硬件实现。与简化的单比特量化算法相比,该算法同步检测结果更加准确,峰值旁瓣更小,在低信噪比条件下符号定时更加准确。

基于多重注意力和特征对齐的销钉缺陷检测方法

电网规模的快速扩张对输电线路的检测维护提出更高的要求,智能高效的自动化电力巡检图像识别算法作为提高检测维护的手段,已经成为目前研究的重要方向之一。为实现巡检图像中销钉缺陷目标的准确识别,文章提出一种基于多重注意力和特征对齐的销钉缺陷检测方法。首先,构建基于可变形注意力的可变形检测变压器(deformable detection transformer,Deformable-DETR)框架,解决现有识别算法中无法通过卷积神经网络进行像素点轮廓-环境关系建模的问题;之后,提出区域注意力特征提取模块,解决由可变形注意力带来的特征粒度不足的问题;为丰富目标物体特征质量,提出基于注意力的候选框特征对齐模块和约束函数;最后,选取华中地区某电力公司的航拍图像数据验证算法性能。结果表明,所提算法总体性能相比于现有的卷积算法提升5.4%,总体平均检测精度达到90.5%。

新型电力系统面向云边端架构的安全访问控制技术研究

新型电力系统的建设正朝着云边端一体化方向发展,云边端架构带来灵活性和可扩展性的同时,也带来了数据隐私安全、非法操作、缺乏标准化集成方案等问题。基于此,文章提出一种结合云边端架构特点的基于属性的安全访问控制方案(cloud-edge-device attribute-based access control,CED-ABAC),方案通过边缘融合终端进行重加密,既保护数据安全,又减轻终端设备的通信开销,在策略授权方面,使用可扩展的访问控制标记语言(extensible access control markup language,XACML)设计授权策略和策略匹配算法,实现对多终端访问控制策略的同时下发,更高效地解决标准化集成问题。同时通过实验仿真,证明CED-ABAC方案的效率和性能相比于已有方案具有明显优势。

基于CasRel-AttR模型的电力二次作业风险知识图谱构建方法研究

随着现阶段电力系统作业风险数据的不断积累,以继电保护为代表的电力二次作业风险知识需要以更为高效的方式进行存储与查询,知识图谱技术所具有的高度结构化的特点为该领域问题的解决提供了可行性方案。在此背景下,文章首先设计了一种面向电力二次作业的知识图谱构建方法,包括数据预处理、知识抽取、知识融合与存储过程;然后,针对知识抽取方法,提出一种融合旋转位置编码及注意力机制的级联(casRel-attention-RoPE,CasRel-AttR)实体关系联合抽取方法,针对二次作业语料特征,在级联关系三元组抽取(cascade relational triple extraction,CasRel)模型主客体标注部分加入融合旋转位置编码(rotary position embedding,RoPE)的自注意力机制,并在自构建的二次作业风险数据集上设置实验,实验结果证明模型在识别效果上的优越性。最后,在抽取得到的三元组基础上,根据构建流程构建了完整的知识图谱,初步达到辅助风险分级与运维决策的效果,为后续有效支撑二次作业风险防范领域的数字化转型工作提供参考。

基于可信计算的保护控制设备主动防护技术研究与实现

变电站保护控制设备在边界安全防护体系下得以安全稳定运行,但随着信息化、网络化技术不断应用,变电站网络安全要求也在发生变化,过度依赖边界防护的保护控制设备缺乏本体主动防护能力的问题逐渐突显。文章比较分析了不同主动防护技术后,选择了基于可信计算的主动防护技术进行研究,结合保护控制设备的高实时、高可靠等特点,给出了适合保护控制设备的可信计算双体系架构和具体硬软件实现方案。最后,保护监控设备主动防护效果通过了第三方检测机构的验证,且防护功能的增加并未对设备的功能和性能产生明显的影响,该方案具备工程化应用和推广价值。

数字化网格语音平台的研究与应用

为助力数字化网格等典型场景落地,推进营销数字化转型,打造了能源互联网营销服务系统。随着营销服务系统业务的发展,利用移动掌机与用电户沟通的语音通话需求量逐步增大,文章采用人工智能(artificial intelligence,AI)、自动呼叫分配、智能路由等技术搭建了一套集灵活部署、覆盖需求、智能服务、易于集成等特色的数字化网格语音平台,满足现场作业人员的通话需求和移动办公的需要,实现客户信息反馈和客户的及时跟踪。

基于MSC的电力营销业务系统研运一体化研究

当前电力营销业务已由单一的供电服务逐渐转变为碳交易、客户侧储能、多能供应、能效服务、分布式电源等综合能源服务,及时响应用户需求变得尤为重要。针对传统建设模式中存在的跨环节协作壁垒、业务需求响应不及时等问题,文章借鉴中台架构设计理念,首先提出一种公共共享服务研运一体化支撑平台(middle-platform service components,MSC),利用模型编排、服务编排、流程编排、界面编排进行微服务灵活实现及扩展;然后,结合架构资产统一管理以及MSC四编排引擎,基于多租户技术进行电力营销业务系统研运一体化建设;最后,通过在客户侧工单中心建设中的应用,证明该模式可为电力营销业务系统建设提供有效支撑。

基于自适应生成对抗网络的智能电网状态重构的虚假数据攻击检测

考虑到电力系统与能源互联网的深度耦合,虚假数据注入攻击对电力系统的威胁不断提升。文章针对虚假数据注入攻击(false data injection attack,FDIA)设计自适应生成对抗网络(adaptive generative adversarial networks,AGAN)状态重构的虚假数据注入攻击检测方法。该方法在生成对抗网络(generative adversarial networks,GAN)基础上融入卷积神经网络(convolutional neural network,CNN)以及自适应约束下的自注意力机制(self-attention,SA),实现节点间全局参考性,从而实现状态的有效重构和异常状态的准确预测;根据AGAN的异常数据预测结果设计结合网络判别值的检测逻辑。最后,在IEEE14节点的电力系统上验证所提方法的有效性,且对比GAN、CNN,AGAN重构的平均绝对百分比误差为0.0001%,检测准确率可达到98%。

电力线信道中极化码译码算法的改进

脉冲噪声是影响电力线通信性能的最主要因素。为了提升极化码在电力线信道的性能,文章提出了分段循环冗余校验码辅助串行抵消列表比特翻转(segmented CRC aid SCL-bit flip,SCA-SCL-BF)译码算法,并在加性高斯白噪声(additive white gaussian noise,AWGN)信道和电力线信道下进行了仿真。在构造关键集合时引入Rate1子块,避免了全集搜索的复杂度;根据关键集合中比特的位置进行分段,每段翻转一比特,可以实现多比特翻转。仿真结果表明,SCA-SCL-BF算法的性能相较于公开文献中性能在信噪比(signal-to-noiseratios,SNR)大于0dB时有显著提升。该算法对于提升电力线传输性能有重要意义。

需求侧资源互动数字化技术发展及转型思考

随着数字化技术发展及新型负荷管理系统加快建设,对需求侧可调节能力的需求越来越大,而需求侧资源数量巨大、分散较广,涉及到的终端和系统数量众多且调度难度大。为明确驱动需求侧资源互动发展的需求,文章分别从技术因素、业务因素、经济因素3个方面,分析了需求侧互动领域发展的相关驱动因素。在此基础上,分别从云边协同、大模型、区块链、数字孪生等方面,分析了新型数字化技术在电力需求侧资源互动领域融合应用存在的问题及相关解决思路,从而更好地支撑需求侧资源互动业务的发展。

基于KCR-Informer的长期风电功率预测研究

准确的长期风电功率预测对电网系统稳定运行至关重要,传统预测方法在处理长序列预测时效果并不理想,近期研究表明Informer模型在长序列预测领域取得良好效果。然而,该模型在捕捉数据的局部特征以及处理网络层数堆叠问题上还有待改进。文章提出一种基于卡尔曼滤波器-卷积神经网络-残差网络-Informer(Kalman filter-convolutional neural network-residual network-informer,KCR-Informer)模型的长期风电功率预测方法,首先分析气象数据对风电功率的影响,使用卡尔曼滤波器对风电气象数据进行数据平滑处理,以减轻噪声对数据的影响,然后基于Informer模型建立风电功率预测模型,根据气象数据以及历史功率数据进行长期功率预测;在此基础上,引入卷积神经网络和残差连接模块,使模型能够更好的捕捉到局部特征,同时加快模型收敛,解决模型网络退化问题。算例的结果表明,与长短期记忆网络(long short-term memory,LSTM)算法、Transformer算法、Informer算法相比,文章方法在不同预测步长下的平均绝对误差(mean absolute error,MAE)降低5.7%~30%,均方误差(mean square error,MSE)降低8.3%~35%,长期风功率预测的精度得到提升,验证了模型的有效性。

基于差分隐私的个性化联邦电力负荷预测方案

为了实现兼具模型个性化和隐私保护个性化的电力负荷预测方案,文章提出了基于差分隐私的个性化联邦电力负荷预测方案。方案基于数据的缺失情况和时序特征进行集群式训练,得到适用于局部数据的本地个性化模型。在此基础上提出了个性化差分隐私保护方案,根据客户端到当前集群中心的距离调整隐私预算的分配,确保数据安全并实现客户端级别的隐私保护个性化。实验表明,算法在保证数据安全的同时,能训练得到效用较好的个性化模型。

一种基于区块链的MQTT协议优化算法

通信协议的设计已然成为实现设备与互联网通信的重要支撑,其覆盖了整个物联网系统的各个环节。针对传统物联网协议中关键数据被伪造或篡改的安全问题,文章设计了一种在数据传输过程中使用区块链技术来保证传输数据安全的改进消息队列遥测传输(message queue telemetry transmission,MQTT)协议,进而保证了存储在broker的数据不被恶意篡改。通过仿真实验证明,该方法具有高效、轻量以及易实现等多方面的特点,在保护物联网的数据安全方面效果十分显著。

基于多源数据融合的分布式光伏聚合超短期预测方法

分布式光伏聚合发电的超短期预测是支撑其功率快速调节的前提保障,由于规模化接入的分布式光伏容量小、分布广,其发电时序特性差异性大、非平稳性强,导致其超短期预测精度难以保证。为此,文章提出基于多源数据融合的分布式光伏聚合超短期预测方法。该方法基于变分模态分解法,充分挖掘分布式光伏聚合发电非平稳性特性,并采用核主成分分析法对引发光伏发电非平稳性的影响因素即温度、湿度、光照、云量等多源数据进行量化解析,同时结合改进的长短期记忆神经网络,创建了多源数据融合方法,实现了分布式光伏聚合发电超短期预测。仿真结果表明,该方法有效提升了模型的预测精度。与传统方法相比,提出的预测方法对随机性波动严重的光伏超短期预测具有显著优势。

基于零信任的馈线自动化5G网络访问控制方法

针对能源物联网背景下,5G场景下的馈线自动化系统网络安全边界模糊、合法终端被利用作为跳板攻击内网的问题,文章提出一种基于零信任的馈线自动化5G网络访问控制方法。首先,选取能准确反映5G场景下馈线终端特性行为的数据作为信任评价指标,使得馈线终端信任值计算更加可靠;其次,采用多元线性回归模型预测馈线终端的信任值,并提出被访问资源的信任阈值计算方法;最后,根据馈线终端信任值与被访问资源的信任阈值进行访问决策,实现了更细粒度的访问控制。实验结果表明,相较于随机森林模型、支持向量机模型和径向基神经网络模型,多元线性回归模型在信任值预测准确性方面具有优势,并且其信任值预测时延能够满足馈线终端间对等通信对时延的要求。

电力物联网边缘计算依赖型任务卸载的低时延调度技术

现有电力物联网任务调度技术难以满足任务的低时延和实时性要求,且未考虑到电力物联网任务之间的内部依赖性。针对该问题,融合深度强化学习任务卸载模型和Sequence-to-Sequence神经网络,使用有向无环图表示任务及依赖关系,引入ε-贪婪探索机制和优先经验回放来鼓励探索和提高模型训练效率,构建基于深度强化学习的电力物联网任务卸载模型。通过与其他任务卸载算法进行对比,所提模型的任务平均处理时延显著优于其他算法,验证在电力物联网依赖型任务低时延调度方面的优越性。

基于数据驱动知识显式嵌入的配电网最优需求响应策略

充分挖掘多元需求侧资源的灵活性,对于提升分布式新能源广泛接入背景下的新型配电网运行可靠性和经济性具有重要意义。然而,目前关于需求响应策略的解析化方法大多基于较为理想的用户行为观测和参数假设,纯数据驱动方法难以兼顾电网侧运行的复杂约束,策略的可用性存疑。为此,文章提出基于数据驱动知识显式嵌入的需求响应策略,首先,考虑到需求侧资源灵活性的强时段耦合特性,提出需求侧资源动态模型,定量分析需求侧灵活性资源的响应特性;其次,提出数据驱动知识的显式解析方法,将需求侧灵活性描述为混合整数线性模型并嵌入至配电网优化运行模型中,实现灵活实用的新型配电网供需交互与协调运行。最后,通过仿真算例验证所提方法兼具解析模型和数据驱动方法的优势,为不完全信息观测条件下源网荷协调运行提供较为实用化的解决方案。

新型电力系统中人工智能应用的关键技术

在向新型电力系统升级转型的过程中,新一代人工智能技术是其中的关键创新技术之一,可以与传统机理方法形成优势互补。然而随着电力人工智能技术应用的推广与深入,逐渐凸显出影响应用成效的3个关键问题:数据均衡问题、模型可信性问题、实时优化协同问题。针对以上3个问题,文章梳理总结其对应的核心技术分支、发展现状与典型应用,提出通过数据增强、迁移学习、仿真推演等数据增强推演技术解决小样本带来的模型过拟合与泛化性能下降问题,通过串行、引导、嵌入、反馈、并行等数据机理融合模式解决模型安全性、可解释性、鲁棒性等可信危机问题,通过群体智能、混合增强智能等智能优化决策技术解决源荷高度不确定下的大规模资源快速、实时、精准决策。最后,结合3个关键问题维度,对电力人工智能发展所需要重点突破的技术方向进行了展望。

基于FAHP-EWM-TOPSIS的新型电力负荷管理系统的通信方式适配方法

针对目前新型电力负荷管理系统的发展,文章旨在寻找一种合适的通信方式来承载系统端到端的通信。首先,从新型电力负荷管理系统的概念出发,剖析差异化业务需求,建立业务指标体系架构;其次,基于模糊层次分析法-熵权法-逼近理想解排序法,分析最优通信方式的选择策略;最后通过算例,分析不同通信方式对差异化业务的适配程度,确定符合新型电力负荷管理系统的最优通信方式,为新型电力负荷管理系统通信架构搭建提出参考性意见。

基于广义幂变换的脉冲噪声抑制方法

为有效抑制电力线通信(power line communication,PLC)系统中的脉冲噪声,从信号被脉冲噪声影响后正态性被破坏的角度出发,文章提出一种基于广义幂变换的脉冲噪声抑制方法。该方法首先引入Box-Cox变换,通过对接收信号进行幂变换处理,使其分布更接近正态分布,又通过推导引入新的零记忆非线性(zero memory non-linearity,ZMNL)函数,以便进一步优化处理效果。此种结合ZMNL函数的Box-Cox变换可改善接收信号的正态性,实现对脉冲噪声的抑制。仿真结果验证所提广义幂变换方法对接收信号的正态性改善效果明显,对脉冲噪声有良好的抑制效果,并且与传统消隐法相比效果更好。