用电量数据的可视化研究综述

可视化技术是挖掘用电量数据中所蕴含丰富信息的关键技术手段,其相关研究热点集中在四个方面。用电量可视化分析形式主要有堆叠面积图等标准图表和一些自定义图表。用电量监控的可视化系统常用于建筑群和工业过程的能耗分析,其可以在用电行为纠正等方面发挥作用。用电异常的可视化包括异常计量用电数据和异常用电行为两个方面,以从源头提高计量数据质量,减少防窃电工作量。用电量数据挖掘的可视化研究集中在用电量预测中更实时的交互手段和用电用户分类中聚类分析算法的过程展现。以往各项的研究仍存在数据量较小、数据维度不高、未考虑外部因素等不足。未来应提升数据量级、扩大时空范围、融合多源数据、建立更细颗粒度用电数据模型。

基于MongoDB的配置管理平台应用研究

为进一步探究MongoDB分片集群的构建方法,优化开发云资源管理系统,充分探究了MongoDB的关键技术,重点对MongoDB分布式扩展集群的相关性能展开了针对性的研究,同时研究了相关因素对扩展集群性能的影响,并针对相关缺陷提出了优化解决方案。采用了手动分片、改进数据均衡算法、优化数据分析基础这3个方法进行优化处理。片键的选择、结果条数以及数据块的大小均可以影响MongoDB的分片集群性能。为检测优化效果,研究对优化前后的MongoDB分片集群进行了写入测试以及查询测试。结果表明,在未进行优化时,在插入150万条数据后,分片极为不均衡,Shard02区域内没有插入数据,而优化后各区域之间数据的插入基本保持均衡,3个区域的插入数据占比分别为32.45%、35.34%以及32.21%。查询结果表明,进行优化后组合片键的查询速度明显高于升序片键。证明了所使用的优化方式可有效提高MongoDB的分片集群储存性能以及查询速度,可为后续MongoDB的相关研究提供科学有效的参考资料。

工控系统服务安全运行技术研究

针对工控系统信息安全风险日益增加的问题,给出基于CNN-Focal入侵检测模型和状态监测防火墙的可行性解决问题方法,实现对工控系统的服务安全正常运行。试验表明:状态监测防火墙流量数据包丢包率低至16.6%,受攻击状态下工控系统吞吐量与正常情况下几乎相同;与支持向量机方法相比,基于CNN-Focal入侵检测模型的损失函数综合指标更好。

一种面向电能量数据的联邦学习可靠性激励机制

联邦学习解决了数据安全日益受到重视条件下的数据互用难题,但是传统联邦学习缺少鼓励和吸引数据拥有方参与到联邦学习中的激励机制,联邦学习审核机制的缺失给恶意节点进行破坏攻击提供了可能性。针对这个问题,文中提出基于区块链技术的面向电能量数据的可靠的联邦学习激励机制。该方法从对数据参与方的训练参与进行奖励和对数据参与方的数据可靠性进行评估两方面入手,设计算法对数据参与方的训练效果进行评估,从训练效果和训练成本等角度来确定数据参与方的贡献度,并根据贡献度来对参与方进行奖励,同时针对数据参与方的可靠性建立声望模型,根据训练效果对数据参与方的声望进行更新,藉此实现对数据参与方的可靠性评估。基于联邦学习开源框架和真实电能量数据进行算例分析,所得结果验证了所提方法的有效性。

等保2.0下的电力监控系统安全运行环境设计

针对电力监控系统运行环境安全性问题,设计一种数据通信框架。架构采用虚拟私有网络技术在互联网中进行数据通信,实现数据的高保密通信。采用可信网络连接技术和数据加解密技术对用户和通信信息进行处理,实现数据的加密和解密,设计出对电力监控系统进行安全性因子评价的模型,实现数据安全性验证。安全性因子平均提高了30%左右,信息防攻击性能好。

一种配电自动化信息安全防护系统设计

提出了一种新型配电自动化信息安全防护系统的设计方案,并应用到电网系统中,解决了配电自动化系统在不同地区之间通信以及数据采集问题,保障了配电终端在线率;在防范和处理信息安全风险中,使用多种安全防护措施,分别对有线和无线的网络架构进行设计。同时,对通信网络中的各个安全防护细节进行安全验证,保障配电信息安全与自动化系统的高可用性。实际运行结果显示:与传统系统相比,新系统无线信号强度提高了11%,有线信号质量提高了2%,显示了新系统的通信优势。

等保2.0下的智能变电站安全合规最佳实践

针对传统智能变电站安全等级无法达到等保2.0标准的问题,设计出一种新型智能变电站安全运维体系。通过安全系统集成技术完成多个子系统的数据集成,能够快速完成变电站的数据采样和数据处理,利用公钥加密(RSA)改进算法对电力安全数据进行加密处理,保证数据的安全性,解决智能变电站可能存在的隐患。最后通过MATLAB与传统方法进行安全性仿真比较,发现在系统运行上安全性分析基本稳定在0.920%以下,而且电力数据的电导率计算结果也未超过100μs/cm,从而验证了设计方案的优越性,证明了设计方案为最佳实践。

基于动态行为和机器学习的恶意代码检测方法

目前恶意代码出现频繁且抗识别性加强,现有基于签名的恶意代码检测方法无法识别未知与隐藏的恶意代码。提出一种结合动态行为和机器学习的恶意代码检测方法。搭建自动化分析Cuckoo沙箱记录恶意代码的行为信息和网络流量,结合Cuckoo沙箱与改进DynamoRIO系统作为虚拟环境,提取并融合恶意代码样本API调用序列及网络行为特征。在此基础上,基于双向门循环单元(BGRU)建立恶意代码检测模型,并在含有12170个恶意代码样本和5983个良性应用程序样本的数据集上对模型效果进行验证。实验结果表明,该方法能全面获得恶意代码的行为信息,其所用BGRU模型的检测效果较LSTM、BLSTM等模型更好,精确率和F1值分别达到97.84%和98.07%,训练速度为BLSTM模型的1.26倍。

一种高可靠性5G接入网络结构

5G接入网的合理规划与建设有助于提供大带宽、低延时和多接入等新一代网络功能。为了提高5G接入网的可靠性,将树型与双纤环拓扑相结合,为5G接入网设计了一种高可靠性波分复用无源光网络(WDM-PON)架构。其中,树型拓扑可保证网络正常工作时的传输质量;双纤环拓扑可在发生故障时实现节点之间的灵活切换,提供故障保护。分别对正常工作、故障保护模式下信号的传输进行分析。通过理论计算及对信号质量、延时进行实验,证明所提网络结构比常规树型拓扑的可靠性更高。

遥感地质灾害解译识别技术在南网地区的应用

地质灾害防治工作量大、防治要求高、防治成本高,往往需要利用遥感技术开展工作。在充分了解以往相关内容遥感调查成果的基础上,有针对性地开展南网地区输电线路相关调查专题的遥感解译工作,建立了一套地质灾害监测方法,并成功应用在南方电网输电线路的地质灾害识别中,并得出以下贡献:①将高分一号卫星应用于遥感地质灾害识别技术,加大了地质灾害遥感解译和地质信息提取精度;②通过南网地区输电线路的地质灾害制图,为今后的灾害预警与提出对策提供了参照。

基于状态互监测的变电站远动通信可靠性提升方案设计与实现

变电站与调控主站的通信采用主站双前置、调度数据网双平面、变电站双远动等冗余机制来提升通信可靠性。但主站通常只连接一台远动机,另一台未连接远动机若处于故障状态则难以被主站感知,双远动冗余机制处于失效状态,存在极大的通信中断风险。通过站控层状态监测数据总线,故障远动机的状态信息能够及时被正常远动机和监控后台获取。状态信息包括装置的CPU使用率、磁盘剩余空间、关键进程退出、设备死机等。变电站双远动机进行状态互监测并将信息上送主站,主站获知告警后,可及时安排对故障运动机进行检修。该方案在试点变电站达到了预期效果,实现了远动机远程状态监测,提高了冗余通信可靠性,且实施成本低,有较高的应用推广价值。

智能变电站主动安全防御体系构建探索

针对目前智能电网的网络安全和数据隐私问题,构建了新型的智能变电站主动安全防御体系。采用改进卷积神经网络计算方法,实现智能变电站通信网络中的异常流量检测。通过concatenate技术,实现平均值和最大值结果聚合。采用全同态数据加密技术,实现智能变电站中的数据加密。通过一种实数取模方法将全同态数据加密方法从整数运算范围扩展到实数范围,实现数据的传递。试验表明:方法的入侵检测精准度提高了9.58%左右,召回率提高了5.26%左右,实数全同态的加密效率3%左右,运算效率提高了2%左右。

基于机载激光点云的输电线路树障隐患快速检测方法

针对当前输电线路无人机巡检中树障隐患检测计算量大、效率较低的问题,设计了基于激光点云数据的电力线重建和树障隐患快速检测分析的方法。该方法首先根据高程分布特征、点云密度特征和倾斜角度特征提取电力线点云,分离各条电力线并将其矢量化,然后提取植被点云生成三维凸包,最后通过计算植被凸包点与电力线矢量的距离提高了树障检测效率,快速检测出该线路内的树障隐患信息。结果表明:电力线提取结果完整准确,电力线三维重建精度和树障隐患检测效率较高。该方法对输电线路地形、线路走向和点云密度等因素鲁棒性较好,大幅提高了输电线路树障隐患检测的质量和效率,为大规模复杂环境下的输电线路树障隐患检测应用提供了参考。