Power Line Monitoring Data Transmission Using Wireless Sensor Network

The WSN used in power line monitoring is long chain structure, and the bottleneck near the Sink node is more obvious. In view of this, A Sink nodes’ cooperation mechanism is presented. The Sink nodes from different WSNs are adjacently deployed. Adopting multimode and spatial multiplexing network technology, the network is constructed into multi-mode-level to achieve different levels of data streaming. The network loads are shunted and the network resources are rationally utilized. Through the multi-sink nodes cooperation, the bottlenecks at the Sink node and its near several jump nodes are solved and process the competition of communication between nodes by channel adjustment. Finally, the paper analyzed the method and provided simulation experiment results. Simulation results show that the method can solve the funnel effect of the sink node, and get a good QoS.

Power Splitting Based SWIPT in Network-Coded Two-Way Networks with Data Rate Fairness:An Information-Theoretic Perspective

This paper investigates the simultaneous wireless information and powertransfer(SWIPT) for network-coded two-way relay network from an information-theoretic perspective, where two sources exchange information via an SWIPT-aware energy harvesting(EH) relay. We present a power splitting(PS)-based two-way relaying(PS-TWR) protocol by employing the PS receiver architecture. To explore the system sum rate limit with data rate fairness, an optimization problem under total power constraint is formulated. Then, some explicit solutions are derived for the problem. Numerical results show that due to the path loss effect on energy transfer, with the same total available power, PS-TWR losses some system performance compared with traditional non-EH two-way relaying, where at relatively low and relatively high signalto-noise ratio(SNR), the performance loss is relatively small. Another observation is that, in relatively high SNR regime, PS-TWR outperforms time switching-based two-way relaying(TS-TWR) while in relatively low SNR regime TS-TWR outperforms PS-TWR. It is also shown that with individual available power at the two sources, PS-TWR outperforms TS-TWR in both relatively low and high SNR regimes.

A Power Graded Data Gathering Mechanism for Wireless Sensor Networks

The data gathering manner of wireless sensor networks, in which data is forwarded towards the sink node, would cause the nodes near the sink node to transmit more data than those far from it. Most data gathering mechanisms nowdo not do well in balancing the energy consumption among nodes with different distances to the sink, thus they can hardly avoid the problem that nodes near the sink consume energy more quickly, which may cause the network rupture from the sink node. This paper presents a data gathering mechanism called PODA, which grades the output power of nodes according to their distances from the sink node. PODA balances energy consumption by setting the nodes near the sink with lower output power and the nodes far from the sink with higher output power. Simulation results show that the PODA mechanism can achieve even energy consumption in the entire network, improve energy efficiency and prolong the network lifetime.

数据主权视野下平台治理的动力逻辑、模式选择与重构路径

随着互联网技术深入变革与数据资源重要性急速提升,网络平台迅猛发展,提升了社会资源的配置效率,便利了人们的生产生活,也引致了多种政治经济风险和不确定性。在数据赋能的权力结构变迁中,市场权力向占有大量数据资源的平台流动,平台权力兴起。平台权力挑战了国家数据主权的身份与权威,对网络空间国家安全与数据安全产生深刻影响。现行的政府外部强制性监管、平台内部审视性自治和官民合作协同性治理的平台治理模式在主体与工具方面均存在缺陷,难以回应数据主权视野下的治理诉求,亟需注入新的平台治理精神,以应对权力转移带来的网络空间治理结构变化。应当以数据主权为原则嵌入国家安全与主权权威的治理理念,以主权权能让渡为工具增强平台开展合法性自治的能力,同时培养以社会责任为引导的平台行为,兼顾政府监管与平台自我规制,搭建以国家权力为中心的法律制度与以平台权力为中心的平台规则的良性互动框架,追求主权安全、权责平衡、充满活力、制度正义的平台善治模式。表1。参考文献50。

Apply the Double-Weight Neural Network to Dynamic Power Management

This paper expounds a data-fitting algorithm for the double-weight neural network,and presents a new algorithm for the system's power management on the base of that.The double-weight neural network learns knowledge from the past idle periods of the system,and predicts the lengths of the coming idle periods.As a result of that,the system can switch its running states and re- duce the power dissipation according to the predictive values.The results of the experiments prove that this algorithm shows a better performance in increasing the right rate of shutting down and reducing the power consumption than other traditional ones.

考虑大规模风光分层接入的配电网多层协调无功优化方法

大量风光新能源分层、多点接入给配电网运行带来了电压越限等负面影响,增加了不同电压等级无功协同优化的难度。兼顾不同电压等级调节需求,从模型降维等值的角度,提出了基于等值模型的配电网多层协调无功优化方法。该方法分别针对含有无功调节设备及没有无功调节设备的两种台区系统,利用神经网络对大量台区相关运行数据进行训练得到台区拟合模型,形成不可控和可控两种类型的台区等值模型,并用这两类拟合模型分别代替两类台区系统的物理模型,使台区以数据驱动的方式参与配电网无功优化,形成馈线物理模型和台区拟合模型组成的单一电压等级物数混合优化调度模型。将原多层无功优化问题转换为单层系统优化问题,再对该单层系统无功优化调度问题进行求解。该方法可降低配电网系统优化计算规模,从而减小计算量,以无功优化数学模型与数据驱动方法相结合的方式,实现配电网馈线-台区多层协调无功优化。通过算例验证了所提方法对于解决分布式风光分层接入所导致电压越限问题的可行性、有效性和优越性,能够保障配电网的经济安全稳定运行。

新型电力系统数据跨域流通泛安全边界防护技术

新型电力系统建设涉及多业务系统、多部门、多方主体间进行海量、异构数据的交互和共享,电力数据的内外部网络环境与安全形势日趋复杂化,数据流通的脆弱性风险加剧。首先,分析新型电力系统下数据流的类型与特性,概括电力数据流通安全防护面临的新形势;其次,基于专用数据处理器(DPU)的高性能流量编排和多功能安全网关能力,构建面向电力数据跨域流通安全增强的泛安全边界,凭借数据面可编程技术沟通网络安全与数据安全双维度安全能力,提出基于DPU的数据跨域流通协同防护技术应用方案;最后,阐释DPU在不同电力通信网络层次的部署方式、价值与关键技术,分析现阶段DPU在电力领域应用存在的挑战。

跨省域智慧能源管理大数据平台架构及关键技术研究与实践

随着广东省能源集团公司下属电站的不断建设,集团公司对各个电站的运营、运维、人员的管理问题愈发凸显。为有效提升各能源场站的综合管理水平,通过搭建基于物联网的智慧能源管理大数据平台对能源场进行集约管理。系统以工业互联网为硬件基础,以大数据平台为软件核心,实现了系统对风电场、光伏电站、煤层气电站等区域的实时远程监控及各项业务管理。实践证明,本系统能减少运行维护成本,提升集团公司的整体核心竞争力。

基于生成对抗Transformer的电力负荷数据异常检测

电力负荷异常数据将给电力系统规划、负荷预测以及用能分析等带来较大的负面影响,因此亟须对负荷数据异常进行检测与识别。首先,针对电力负荷数据异常分类、原因及其特征开展分析。其次,改进传统Transformer编码器结构,采用多头注意力层代替掩码多头注意力层,同时移除前馈网络,以提高模型对负荷时序序列的全局注意力。基于生成对抗网络(generative adversarial networks,GAN)生成器与判别器的博弈结构,提出一种改进的GAN-Transformer模型,以更好地捕捉趋势性特征并加速模型收敛。然后,引入多阶段映射与训练方法,综合焦点分数打分机制,通过分阶段负荷序列重构帮助模型更好地提取负荷数据异常特征。最后,算例分析结果表明,GAN-Transformer模型在负荷数据异常检测精确率、召回率、F_(1)值以及训练时间方面均具有更优的性能,验证了所提方法的有效性和优越性。文中研究工作为基于深度学习进一步实现电力负荷数据异常分类与数据修复提供了有益参考。

我国数据空间建设:核心要件、发展路径与推进策略

数字经济时代,算力和数据成为新质生产力和新型生产要素。构建国家数据空间,高效统筹利用算力和数据等战略资源,是加快推进网络强国、数字中国建设的战略举措。本文立足我国数字化发展实际,借鉴国外数据空间建设经验,提出了网络传输体系、算力调度体系、数据应用体系、安全保障体系“四位一体”的数据空间总体架构,明确了起步验证、打造样板、创新驱动的“三步走”发展路径,并从统筹推进机制、示范工程建设、关键技术创新、标准规范建立、算力与数据基础设施化、国际交流合作等方面提出了具体举措,以期为我国加快数据空间建设提供参考借鉴。

一种基于GCN的光伏短期出力预测方法研究

为提高光伏短期出力预测精确问题,提出一种基于图卷积神经网络(GCN)的光伏短期出力预测方法。首先,构建考虑多气象影响因素的光伏短期出力模型,开展光伏出力影响因素和出力特性分析。其次,对光伏出力历史时序数据进行图形化转换和数据重构,构建邻接矩阵并提取光伏短期出力图形化特征数据。在多时间尺度场景下,建立基于GCN的光伏出力预测模型,并与基于长短期记忆网络(LSTM)、反向传播网络(BP)、图注意力模型(GAT)等算法的预测模型做比对分析。最后,以某地区光伏出力实测数据开展仿真验证研究,仿真结果表明所提方法具有良好的预测效果。

小波域在无线局域网络信号增强中的应用

为提升无线局域网络信号增强中的去噪效果,应用小波域思想,设计一种无线局域网络信号增强算法.针对无线局域网络,收集无线局域网络原始功率谱数据,通过功率谱拟合因子提取信号特征,识别网络信号.对于识别的无线局域网络信号,通过过零率和短时功率提取该信号.基于小波域对无线局域网络信号实施去噪处理,分为二维小波变换、二进剖分、信号重构三个步骤.通过贝叶斯方法,在实施稀疏字典训练的同时,实现无线局域网络信号的增强处理,在训练中结合K-SVD算法,将信号增强过程和稀疏字典学习过程进行迭代和融合.将MATLAB R2019a作为测试设计算法的实验平台,利用计算机开展算法性能测试.测试结果表明:设计算法的无线局域网络信号增强性能良好,同时信号去噪性能较强,说明算法满足设计需求,在完善细节后可以投入实际应用.

基于遗传优化聚类的GRU无损电力监测数据压缩

针对电力调度中心监测数据记录体量大、存储困难的问题,提出基于遗传优化K-means聚类的门控循环单元神经网络无损数据压缩方法。首先,搭建分布式集群,将多维原始电力数据聚类成相似性较高的数据块,并利用遗传算法对聚类进行寻优,提高数据聚类的效果;再通过门控循环单元神经网络训练数据编码的概率分布模型,结合算术编码对数据进行编码压缩;最后,以多个电力数据集为算例进行分析。经验证本文所提的压缩算法能实现数据的高比例压缩、优化集群性能。

面向边缘光算力网络的上行链路资源协同调度算法

为满足冷、热业务实时、高效的算力调度需求,提出一种基于自适应噪声完全集合经验模态分解(CEEMDAN)与时间卷积网络(TCN)的算力负载预测模型(简称C-TCN模型),并设计了基于C-TCN与Q学习的资源协同调度算法(CTQ算法),利用C-TCN模型提前感知下一时刻负载变化,通过Q学习协同调度波长与存储资源,寻找最佳波长划分与边缘存储分配方案。实验结果表明:CTQ算法的调度性能不仅优于现有调度算法,能满足冷、热业务调度性能要求,而且还能提高波长利用率。

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%。

基于数据感知融合的电力通信网络智能运维

受到电力通信网络中多因素及其结构复杂性的共同影响,传统运维方法在感知过程中极易受到电压异常信号与变压器异常信号扰动,造成网络全局感知出现偏差,严重影响整体运维效果。为了有效解决多因素造成的感知偏差问题,采用数据感知融合算法对电力通信网络下的电力参量进行感知优化,提升感知精准度,优化运维整体质量的效果。在提出的优化方案中,首先对电力通信网络安全态势感知范围进行确定,然后进行电力通信网络运行下的电压安全态势感知优化,接着基于数据感知融合算法对电力网络变压器安全态势感知参量进行定义,最后完成感知信息的数据感知融合计算。仿真结果表明,数据感知融合算法具备提升运维整体质量、降低运维过程中的感知偏差、提升感知灵敏度与精准度的能力。

基于改进遗传算法的多源数据继电保护定值优化策略

针对传统继电保护策略存在准确度差且效率低的问题,文中基于多源数据提出了一种性能更优的继电保护策略。对于多源数据一致性差、分析困难的特点,采用经验模态分解对数据进行预处理,以获得不同梯度的时域以及频域数据。同时为了增强传统遗传算法的分类性能,还引入了极限学习机对输入数据进行分类,并使用遗传算法对极限学习机的参数加以优化。所设计的模型可以对配电网发生的故障进行判定,并引导继电保护设施做出正确响应。实验结果表明,相较于对比算法,该算法具有更高的准确性及更优的效率,且优化后继电保护装置的判断综合准确率可达89%。

算力网络环境下基于区块链的自适应联邦学习

算力网络旨在深度融合算力资源与网络资源,实现对泛在离散部署的海量数据和异构资源的高效利用。为了应对算力网络中复杂的多中心计算协同和数据隐私安全的要求,联邦学习在隐私保护和边缘算力资源利用等方面有着先天的优势。然而,基于算力边缘服务器的高度异构和广泛分布,算力网络环境下的联邦学习仍然存在一定的困难。一方面,算力网络中海量边缘服务器之间存在的数据异质性会引起非独立同分布问题,导致联邦学习中局部模型的更新偏离全局最优值。另一方面,由于不同边缘服务器的数据质量存在差异,生成低质量的局部模型会显著影响训练效果。为了解决上述问题,提出了基于区块链的自适应联邦学习(AWFL-BC,adaptiveweightfederatedlearning-blockchain)方案。通过智能合约计算不同边缘服务器的数据分布距离,生成相似度矩阵指导聚合。同时,设计了一种自适应权重聚合算法,以减轻由数据质量差异引起的模型性能和稳定性下降,从而提升模型的准确率,加速模型收敛。最后,结合区块链技术加强了安全保障机制,可有效防止投毒攻击与推理攻击。在3个公有标准数据集上进行的综合实验表明,与最先进的方法相比,AWFL-BC实现了更高的模型准确率,且模型收敛速度更快。