可信区块链联邦学习技术在无线通信网中的研究与应用

随着无线通信技术的快速发展,越来越多的数据产生并在网络中传输,包括个人隐私信息和商业机密等敏感数据。数据安全和隐私保护引发通信行业的广泛关注,并已成为人工智能大规模落地的关键挑战点。可信区块链联邦学习从保障信息安全的角度发展人工智能,被誉为最有前景解决这一挑战的新方向。归纳了当前行业面临的关键问题和挑战,分析了可信区块链联邦学习的国内外主要研究状况。讨论了无线通信网中典型的区块链联邦学习的系统架构,并阐述了其系统功能和实现的关键技术。在此基础上,给出该系统下的典型应用场景,为可信人工智能从理论走向实用提供了可能性。

数字孪生变电站框架设计与关键技术研究

数字孪生(DT)技术的发展给电力系统的智能化管理带来诸多便利,然而作为推动能源电力行业数字化、智能化的关键技术,相关研究与应用还处于初期起步阶段,亟需开展系统性研究,以突破适应能源电力行业特殊性的数字孪生关键技术。为此,本文以变电站作为应用场景,首先对变电站运维管理现状进行了分析,指出现阶段存在变电站巡检模式缺陷、模型精度不够、感知参量单一、缺乏对数据的深度挖掘等问题。以此设计了一套涵盖空间信息与设备建模、变电主设备机理建模、智能反馈控制、设备感知网络、基于数据驱动的数字孪生体模型的仿真,以及3维可视化渲染与应用的数字孪生变电站模型框架。然后讨论了变电站数字孪生技术面临的问题与挑战:专业智能研制方面,变电站数字孪生系统对传感器的感知精度、智慧功能集成度、抗干扰能力、功耗以及供能方式等提出更高要求;海量数据存储与计算方面,海量多源异构感知数据如何高效存储与利用,以及如何优化算力资源分配,满足系统实时计算需求;模型研究方面,现有数据驱动模型精度不足,模型不可解释且缺乏论证,影响整个系统的可靠运行;数据方面,如何解决“数据安全”与“数据孤岛”问题;3维虚拟实体构建与动态更新方面,如何低成本快速构建可用的高精度3维变电站模型,以及研究设计3维模型的动态更新算法,以保证孪生系统实时空一致性。进而探讨了解决问题的关键技术:通过感知理论研究与提升制作工艺、结合分布式云存储与云边协同计算、数据驱动与机理知识融合建模、可信联邦学习等先进技术,以及实景3维重建与点云动态可视化等相关技术,在满足隐私保护和数据安全前提下,建立“形”与“态”相融合的变电站数字孪生系统,实现变电站运行状态全感知、全生命周期数据智能管理与高效利用,变电站全业务场景智慧运行。结合数字孪生模型设计与关键技术问题的探讨,给出了一套面向工程应用的数字孪生变电站系统设计方案,重点阐述了包括变电站设备实时监测、设备故障诊断与故障预测、运维决策优化与智能反馈控制等典型的应用场景。