智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

基于区块链且可验证的智能电网多维数据聚合与分享方案

针对如何支持轻量级多维数据聚合,实现系统整体过程中多维数据的双端完整性验证,以及处理云服务器集中化等问题,提出了一种基于区块链且可验证的智能电网多维数据聚合与分享方案。首先,为了满足智能电网对电量数据细粒度分析的需求,利用掩蔽值和霍纳法则实现了隐私保护多维数据聚合。在此基础上,针对现有数据聚合方案在云存储数据与第三方分享方面存在的数据完整性验证问题,借用基于RSA的乘法同态承诺方案和同态哈希函数的同态性设计了一种新的签名算法,使云服务器不仅可以验证聚合数据的完整性,还可以验证数据分享阶段的完整性,即实现了云存储数据的双端可验证性,并且可以抵抗内部攻击。同时,提出了一种基于联盟链多链的聚合数据分享体系结构,有效地避免单机处理瓶颈和易受攻击等集中化问题。理论分析证明了所提方案的安全性。性能实验表明,所提方案比已有方案具有更低的计算和通信成本。

OBE理念下“智能电网技术”课程思政教学路径探索

专业课课程思政教学建设是当前我国高等学校课程思政育人建设的新兴课题。为了提高“新工科”电气类大学生的德才兼修质量水平,提出了OBE理念下“智能电网技术”课程思政教学建设方案,在研究分析了传统课程教学存在的两类典型问题的基础上,构建了“知识传递、能力培养和价值塑造”三位一体的教学目标。由教学环节、教学方法、教师讲授输入、学生学习产出等要素构成的矩阵式教学模式,有机融合立德树人和专业育才的教学内容,集3项评价主体及其统一化评价指标等要素,构建质量评价体系等核心模块,支撑专业课课程思政教学体系,为我国高校工科类专业课课程思政建设提供了必要的参考与借鉴。

面向智能电网广域通信的可靠路由算法研究

无线传感器网络是智能电网广域通信中的基础组成单元,传统的无线传感器网络分簇路由协议虽能在一定程度上简化网络拓扑,但仍存在簇首选择不合理且系统能耗较高的问题。针对此,文中基于粒子群优化算法提出了一种改进的分簇路由协议。该协议利用粒子群算法的参数寻优特性对簇首搜寻方案加以改进,使得新方案考虑了距离、剩余能量、数据传输精度等多种因素。同时还使用粒子群自适应函数对该方案进行优化,从而提高了原算法的可靠性。在能耗实验测试中,所提算法迭代1 300次后的剩余能耗为31.2 J,在对比算法中为最优。而对路由路径的测试中,改进算法的平均运行时延为1.79 ms,平均误码率为0.212 5,在所有算法中均为最低,证明了该算法具有良好的实时性和可靠性。

计及温度累积效应的智能电网负荷预测算法

针对温度累积效应对负荷变化造成的影响,提出了一种计及温度累积效应的智能电网负荷预测算法。将持续高温对电网负荷的影响计入预测模型中,并利用模块化神经网络保证了对温度累积效应学习的独立性和准确性。由三个子网络构成多模块神经网络的第一层,以温度、时间及负荷特征为输入参数,所得负荷预测的准确度可达98.13%,且误差较修正前降低了28.63%。结果表明,所提算法具有更高的预测准确性和运行效率。

智能电网用电异常诊断和调控策略

为了针对智能电网不同异常用电的原因制定分类调整方法,提出了基于二次根式函数电价调整和计算定界的策略,该策略基于自动过程控制和模糊综合评价进行监控、诊断及分类调整。首先,通过指数加权移动平均值作为自动过程控制的控制变量并确定上下界来监控用电量,建立监控模型;其次,用模糊综合评价法诊断异常用电原因;最后,根据不同原因制定分类调整策略,建立电价需求响应调整模型。算例仿真结果表明,提出的基于二次根式函数电价调整策略在调整频次、残差标准误差、全社会福利和电力公司利润等方面均优于线性函数调整。应用模糊综合评价方法能有效分析异常用电原因,制定分类调整策略能消除异常并获得平稳波动用电量。

智能电网中基于填充方法的双向拍卖电力资源分配方法

为解决智能电网环境中用户富裕电能回售问题,完成电力资源的再分配,从经济学的角度设计了一种激励机制以鼓励拥有富裕电力的用户为电力紧缺用户提供电力资源。提出了一种双向拍卖机制,该机制包括使用填充概念的电力资源分配方法和有效的定价策略,以保证智能电网环境下电力资源分配的理想性能。所提双向拍卖机制考虑了电力资源传输成本与距离之间的关系,设计了供需匹配关系;所提分配方法采用了基于线性规划的填充分配方法,以接近最优的近似算法,在多项式时间内得到资源分配结果;在定价方面,分别采用了基于关键值的定价策略和基于维克瑞-克拉克-格罗夫斯(VCG)机制的定价策略,以计算获胜买方用户的付款价格和获胜卖方用户的收款价格,实现了双向拍卖中的真实性、个人理性和预算平衡。仿真结果表明,所设计的拍卖机制保证了一系列理想的经济属性,包括真实性、预算平衡以及个人理性,并且可以在多项式时间内得到近似最优解的分配结果,为智能电网环境下的电力资源再分配问题提供了一种有效的解决方案。

SGPot:一种基于强化学习的智能电网蜜罐框架

随着工业4.0的快速推进,与之互联的电力数据采集与监视控制(Supervisory Control and Data Acquisition,SCADA)系统逐渐趋于信息化和智能化。由于这些系统本身具有脆弱性以及受到攻击和防御能力的不对等性,使得系统存在各种安全隐患。近年来,针对电力攻击事件频发,亟需提出针对智能电网的攻击缓解方法。蜜罐作为一种高效的欺骗防御方法,能够有效地收集智能电网中的攻击行为。针对现有的智能电网蜜罐中存在的交互深度不足、物理工业过程仿真缺失、扩展性差的问题,设计并实现了一种基于强化学习的智能电网蜜罐框架——SGPot,它能够基于电力行业真实设备中的系统不变量模拟智能变电站控制端,通过电力业务流程的仿真来提升蜜罐欺骗性,诱使攻击者与蜜罐深度交互。为了评估蜜罐框架的性能,搭建了小型智能变电站实验验证环境,同时将SGPot和现有的GridPot以及SHaPe蜜罐同时部署在公网环境中,收集了30天的交互数据。实验结果表明,SGPot收集到的请求数据比GridPot多20%,比SHaPe多75%。SGPot能够诱骗攻击者与蜜罐进行更深度的交互,获取到的交互会话长度大于6的会话数量多于GridPot和SHaPe。

智能电网中基于密钥生成的物理层安全技术研究

电网作为国家重要基础设施,其安全性至关重要。无线通信在智能电网的发展中体现了重要作用,是实现智能电网泛在环境感知、嵌入式计算、网络通信等系统工程的重要保障。然而,在突破传统物理连接设备限制的同时,无线电磁传播的开放性也给智能电网带来了严峻的安全挑战。为了确保智能电网无线终端间的通信安全,文中提出了一种基于密钥生成的增强型物理层安全策略。该策略综合利用电网设备的物理标识、无线信道的随机特性以及时间戳功能,既可以实现“一次一密”的轻量级加密效果,又能够有效鉴别合法网络设备,从通信安全和设备识别两个角度为智能电网提供高效可靠的安全通信保障。仿真实验结果表明,文中所提出的物理层密钥生成方法可以充分保障无线通信安全,在实际应用中可以有效对抗窃听者的窃听攻击,同时针对恶意干扰攻击也具有很强的鲁棒性。

基于区块链的智能电网隐私保护数据聚合方案

为解决电力用户用电数据隐私泄露的问题,提出一种基于区块链的智能电网隐私保护数据聚合方案。每个智能电表分别使用Okamoto-Uchiyama加密算法和双线性聚合签名算法对用电数据进行处理,将其上传至区块链主节点。区块链主节点负责验证签名并聚合数据后将其存入区块链。电力公司从链上获取聚合数据。由于区块链主节点可能为了节省计算资源而不验证用户签名,发起懒惰攻击,引入可选性检验阶段,避免这种攻击。安全分析和性能评估表明,所提方案具有较好的安全性,能够以较低计算代价取得更优整体性能。

大数据技术下智能电网关键技术研究

大数据技术不仅改变了人们的工作与生活方式,而且在智能电网领域得到了推广应用。目前,传统的数据处理技术已经难以满足新时代的发展需求。利用大数据技术可以实时监测设备的运行状态,通过建立预测模型预测可能会发生的设备故障,以便能够及时进行维护和修复。为了有效满足社会需求,推动电力行业发展,需要将智能电网与大数据技术相结合,开发一个更稳定、更有效、更安全的电力系统,实现电力企业的可持续发展。

基于强化学习的边缘计算智能电网资源调度算法

智能电网是一种能够进行智能管理和优化的电力网络。网络虚拟化技术可以有效提高智能电网的资源利用率和可靠性,从而满足不同用户的差异化需求。在资源有限的情况下,传统的虚拟网络嵌入算法无法根据电力系统的资源使用情况和用户需求来动态调整虚拟资源的分配和映射。为解决这一问题,将边缘计算和虚拟化技术相结合,引入了一种基于强化学习的虚拟网络资源调度算法。仿真结果表明,该虚拟网络资源调度算法在提高电网的可靠性和资源利用率方面优于其他3种调度算法。

智能电网需求侧用户参与度研究模型

为充分挖掘智能电网需求侧与用户参与度的响应能力,探究电网需求侧的用电负荷影响,建立了智能电网需求侧用户参与度研究模型。采用聚类算法在噪声、模糊数据中提取特征数据,并对其进行归一化处理。根据智能电网的调配用电需求量,构建收益函数模型;将用户群体划分结果与博弈论相结合,建立不同类型用户博弈论模型,并组建电网需求侧用户参与度研究模型,定义电价收益、价格响应、智能调配用电时间等参数,为智能电网参与市场环境下的用户参与度调控提供了模型支持。以河北电网为测试对象进行测试,结果表明:随着时间的增加以及电价的降低,用户参与比例为89%,用户满意度均值为90%。智能电网需求侧的响应特性受用户参与度的影响,所提模型可以准确完成智能电网需求侧下的用户参与度计算,确保电网需求侧电力市场的供需平衡。

智能电网框架下电动汽车智能充电系统设计研究

近年来,电动汽车和插电式电动汽车(Plug-In Electric Vehicles,PEVs)的销量稳步增长,充电桩数量急剧增加,这一现象可能会给电网和当地配电电路和变压器造成负担,而且可能会导致电力公司的成本增加。文中介绍了智能电网系统的设计和实现逻辑,使电动汽车、PEV与电网之间能够实现动态交互。这种智能和动态的交互能够减轻电网负荷,从而最大限度地减少成本,避免负载过大造成的损害。文中以开发算法为重点,提出了完整的系统设计,该系统充电速度快、效率高,可以成功地用于减轻电网的负担。

智能电网空间隐蔽型恶性数据注入攻击检测

智能电网空间隐蔽型恶性数据挖掘难度大,导致空间隐蔽型恶性数据注入攻击的检测准确率和数据修正能力都难以满足要求,为此提出了智能电网空间隐蔽型恶性数据注入攻击检测方法。分析恶性数据注入过程状态确定攻击矢量,根据非线性状态量确定被攻击节点状态,完成隐蔽型恶性数据挖掘。设计智能电网恶性数据注入攻击检测模型,对该模型进行训练,根据训练好的模型以及被攻击节点状态实现空间隐蔽型恶性数据注入攻击检测。实验结果表明,研究方法的检测准确率在95%以上,能够快速准确完成恶性数据修正。

基于生存分析的智能电网安全告警事件持续时间预测模型

针对目前智能电网安全风险预测系统解释性不强的问题,提出一种基于生存分析中DeepSurv模型的改进模型来预测网络安全告警事件持续时间。为了加快运算速度,模型对原DeepSurv的神经网络部分进行改进。模型基于K-means,提出一种降维算法对输入数据进行降维,通过改进的DeepSurv,获得智能电网安全告警事件持续时间的生存函数,并以此为依据计算C-index与MAPE。通过总耗时、C-index与MAPE这三个指标将模型和原DeepSurv进行比较,发现模型在预测准确率相差不大的情况下,大幅提高了运算速度。此外,由于模型是基于生存分析的,解释性较强,且能够提供网络安全告警事件关于持续时间的生存函数,即关于持续时间的概率预测,对智能电网安全风险预测研究有很大的参考意义。

基于随机森林的智能电网多源数据异常检测

智能电网多源数据具有海量化与复杂化特征,导致智能电网多源数据异常检测的难度增加,为此设计基于随机森林的智能电网多源数据异常检测算法。构建随机森林应用模型,根据评估指标选取结果,计算暂态稳定裕度指标的具体数值,实现对智能电网多源数据的暂态稳定性评估。设置Hadoop检测框架,通过求解多源数据负荷特征判断异常值检测系数所属取值范围,完成算法的设计。实验结果表明,异常多源信息的最大传输速率只能达到2.36 MB/ms,而常规数据传输速率却不会受到明显影响,说明设计方法能够有效提升智能电网主机对异常数据的检测能力。

智能电网技术创新对电力行业绿色转型的非线性影响

环境规制是倒逼电力企业进行智能电网技术创新的重要手段。研究了智能电网技术创新对中国电力行业绿色转型的影响及环境规制的作用。通过非期望产出SBM模型测算2007—2021年中国省级电力行业绿色全要素生产率,并利用面板回归和门槛回归模型分析智能电网技术创新与绿色转型的关系。结果表明,智能电网技术创新与电力行业绿色转型呈U型关系,且在2016—2021年及东部、中部地区更为显著。此外,环境规制在智能电网技术创新与电力行业绿色转型的U型关系中产生了门槛效应。

基于大数据技术的智能电网异常入侵动态检测方法

为避免异常入侵信息过度占据电网存储环境,方便智能电网主机对入侵参量的动态检测与处理,提出基于大数据技术的智能电网异常入侵动态检测方法。在大数据处理架构中,确定异常行为指征的取值范围,联合已获取数据样本,求解入侵风险系数的计算结果,完成基于大数据技术的入侵信息处理。根据动态检测目标定义式,计算威胁性度量指标的具体数值,通过构建损失函数的方法,实现智能电网异常入侵信息的动态检测。对比实验结果表明,应用所提方法后,入侵信息在电网环境中的存储总量低于35%,符合动态处理电网异常入侵信息的应用需求。

基于局部信息熵的智能电网数据离群点识别

识别智能电网数据离群点能够准确地确定智能电网数据对象,但是目前提出的识别方法识别精准度较差,识别效率较低。为此,基于局部信息熵研究了一种新的智能电网数据离群点识别方法,通过方差定义选取优选空间,确定优选空间集阈值进行数据加权处理,计算优选空间信息熵;通过无量化处理判断临界点数值,得到子空间最优范围。检索与分析离群状态变化情况,计算离群因子,根据概率值增强算法对冗余数据的甄别能力,删除离群点冗余数据,将平均值计入值域,实现智能电网数据离群点识别。实验结果表明,所研究方法精准度最终能够达到95%,识别效率在90%以上。