无线传感器网络易遭到各种内部攻击,入侵检测系统需要消耗大量能量进行攻击检测以保障网络安全。针对无线传感器网络入侵检测问题,建立恶意节点(malicious node,MN)与簇头节点(cluster head node,CHN)的攻防博弈模型,并提出一种基于强...无线传感器网络易遭到各种内部攻击,入侵检测系统需要消耗大量能量进行攻击检测以保障网络安全。针对无线传感器网络入侵检测问题,建立恶意节点(malicious node,MN)与簇头节点(cluster head node,CHN)的攻防博弈模型,并提出一种基于强化学习的簇头入侵检测算法——带有近似策略预测的策略加权学习算法(weighted policy learner with approximate policy prediction,WPL-APP)。实验表明,簇头节点采用该算法对恶意节点进行动态检测防御,使得博弈双方快速达到演化均衡,避免了网络出现大量检测能量消耗和网络安全性能的波动。展开更多
针对多微电网市场新能源出力不确定性以及参与主体间利益关联与冲突导致的市场运行风险大、效率低等问题,提出基于图卷积神经网络与长短时记忆网络GCN-LSTM(graph convolutional neural network and long short-term memory network)时...针对多微电网市场新能源出力不确定性以及参与主体间利益关联与冲突导致的市场运行风险大、效率低等问题,提出基于图卷积神经网络与长短时记忆网络GCN-LSTM(graph convolutional neural network and long short-term memory network)时空预测算法的多微电网市场主从博弈均衡优化策略。首先,从时空维度设计了基于深度强化学习算法的多微电网两阶段主从博弈均衡运行机制;然后,将多微电网市场中竞价主体间的相互作用构建两阶段滚动优化模型,根据决策阶段要求,以提升各微电网主体经济效益为目标,在实时调控阶段构建多主体主从博弈模型,对内部电价及设备出力进行调整,实现多微电网市场均衡独立优化运行。最后,通过算例分析表明,所提方法能有效降低微电网各发电主体出力的不确定性对市场稳定运行和新能源消纳的影响,提高市场经济效益。展开更多
文摘无线传感器网络易遭到各种内部攻击,入侵检测系统需要消耗大量能量进行攻击检测以保障网络安全。针对无线传感器网络入侵检测问题,建立恶意节点(malicious node,MN)与簇头节点(cluster head node,CHN)的攻防博弈模型,并提出一种基于强化学习的簇头入侵检测算法——带有近似策略预测的策略加权学习算法(weighted policy learner with approximate policy prediction,WPL-APP)。实验表明,簇头节点采用该算法对恶意节点进行动态检测防御,使得博弈双方快速达到演化均衡,避免了网络出现大量检测能量消耗和网络安全性能的波动。
文摘针对多微电网市场新能源出力不确定性以及参与主体间利益关联与冲突导致的市场运行风险大、效率低等问题,提出基于图卷积神经网络与长短时记忆网络GCN-LSTM(graph convolutional neural network and long short-term memory network)时空预测算法的多微电网市场主从博弈均衡优化策略。首先,从时空维度设计了基于深度强化学习算法的多微电网两阶段主从博弈均衡运行机制;然后,将多微电网市场中竞价主体间的相互作用构建两阶段滚动优化模型,根据决策阶段要求,以提升各微电网主体经济效益为目标,在实时调控阶段构建多主体主从博弈模型,对内部电价及设备出力进行调整,实现多微电网市场均衡独立优化运行。最后,通过算例分析表明,所提方法能有效降低微电网各发电主体出力的不确定性对市场稳定运行和新能源消纳的影响,提高市场经济效益。
