基于知识关联度的电力大数据协同过滤推荐算法

针对电力大数据推荐结果排名没有考虑电网领域知识关联度,推荐结果的准确度不高的问题,提出了引入知识项关联度的协同过滤推荐算法AR-Item CF.通过计算用户推荐列表得到最终推荐结果.结果表明,该算法能有效地解决推荐结果关联度较低的问题,显著地提高了推荐结果的质量和推荐效率.

基于生物免疫学方法的泛在电力物联网安全技术

由于泛在电力物联网融入了社会的不可预知因素,导致互联环境复杂多样,终端设备接入类型与数量激增,时刻面临网络攻击和非安全数据入侵等安全隐患。因此,已有的安全检测与防护技术不再完全适用于如今的泛在电力物联网,文中从生物免疫学新视角探讨了泛在电力物联网安全技术。首先,类比病原体入侵生物体时免疫系统的免疫过程,阐述了生物免疫学与泛在电力物联安全防护的关联;其次,分析了感知层、网络层、平台层和应用层面临的安全挑战,并基于免疫学归纳了抗原识别、免疫响应和免疫记忆3方面的关键技术;最后,构想了泛在电力物联网全方位智能联动的安全免疫体系,并对研究方向进行了展望。

基于过采样和级联机器学习的电网虚假数据注入攻击识别

虚假数据注入攻击(FDIA)因其高隐蔽性和破坏性,对电网的安全稳定运行构成严重威胁。攻击样本与正常样本的不平衡特性会影响模型的攻击检测精度,同时多类型FDIA的出现使得现有算法在识别攻击种类上具有局限性。针对上述问题,文中提出基于过采样和级联机器学习的电网多类型FDIA识别方法。首先,探究了电网耦合交互过程中的FDIA攻击路径,分析了多类型攻击行为;然后,通过聚类、过滤和线性插值过程生成攻击伪样本,设计基于K均值合成少数类过采样技术(K-means-Smote)的量测数据平衡算法;最后,结合细粒度特征扫描和多个分类器的集成学习策略,构建基于改进级联机器学习的多类型FDIA识别模型。仿真实验表明,所提识别方法可有效辨识多种FDIA类型,且辨识精度高、误报率较低、性能稳定,在小样本下性能仍然出色。

计及负荷优化重配的电力CPS可生存性量化评估

针对电力信息物理融合系统(CPS)规模不断扩大且现有级联失效模型忽略信息流和潮流转移特性,使得可生存性难以快速有效评估的问题,计及负荷优化重配对电力CPS可生存性进行量化评估。首先,根据系统拓扑结构和关联关系,通过定义度函数和电气介数建立了度—介加权电力CPS关联矩阵,实现了耦合CPS的形式化表征。然后,从CPS级联失效的结构连通性变化和风险传播范围两个维度出发,基于节点负荷容量限制、信息流择优分配策略、潮流优化方程和系统安全运行等约束条件设计了可生存性评估模型。最后,采用混沌Lévy搜索萤火虫算法对评估模型进行高效求解。通过算例分析,有效量化评估了电力CPS的可生存性并提高了大规模耦合系统的评估效率。

基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法

数据清洗过程是对锅炉设备在线监测数据预处理的一个重要环节,针对数据清洗步骤繁琐,易导致连续性数据被破坏等问题,提出一种基于混合自适应性矩估计和随机梯度下降算法优化的堆栈降噪自编码器的数据清洗方法。首先,引入自适应性矩阵估计和随机梯度下降的混合算法,以不断调整堆栈降噪自编码器模型的网络参数。其次,利用模型训练正常状态数据,获取数据的隐藏特征,得到正常状态下的重构误差。再次,用该模型检测异常状态数据,根据其重构误差分析各种类型的数据对模型的影响,并对“脏数据”和反映设备故障的异常数据进行快速分类清洗修复。通过某电厂锅炉监测数据的清洗修补实验,证明了该方法能准确识别出“脏数据”,修补后的数据亦能遵循数据整体的分布规律,满足了数据的清洗要求,为后续数据分析挖掘和设备故障诊断工作奠定了良好的基础。

基于Spark框架的电网运行异常数据辨识与修正方法

由于电网运行数据具有多源、异构、高维等典型大数据特征,使得传统检测方法已无法实现异常数据高效辨识;因此提出一种基于Spark框架的电网运行异常数据辨识与修正新方法。首先,提出了并行化最小生成树方法对待检测数据进行初始聚类;在此基础上结合并行K-means算法对数据进行二次聚类实现异常数据辨识;然后,在Spark框架下设计了基于径向基函数(RBF)神经网络的异常数据修正模型,实现对异常数据修正。最后,利用某省调度中心SCADA数据对方法的有效性进行了验证,结果表明所提方法能够有效处理电网运行异常数据,具有实际应用价值。

基于渗流理论的电力CPS网络风险传播阈值确定方法

由于电力信息物理系统(CPS)网络的非均匀性及风险传播过程的动态性,使得风险爆发的临界点难以数值确定。从相依网络视角出发,提出一种基于渗流理论的电力CPS网络风险传播阈值确定方法。首先,根据拓扑关联和耦合逻辑将电力CPS网络抽象为双层复杂网络有向图,并采用非对称balls-into-bins分配方法建立"一对多"及"部分耦合"的非均匀电力CPS表征模型。然后,考虑信息层与物理层链接之间的方向性及依赖关系,引入渗流概率对各层内部耦合关系建立传播动力学方程。最后,通过定义电力CPS网络节点的生存函数对风险传播阈值进行数值求解,并以IEEE 30节点系统和150节点的Barabsi-Albert模型算例验证了所述方法的有效性。

基于满意度的户用型微电网多属性需求响应策略

针对户用型微电网的负荷多样性、用户侧参与需求响应过程中满意度有待提高的问题,结合用户侧需求响应理论与数据挖掘的思想展开研究。首先,以用户综合满意度指数最大为目标函数,建立基于满意度的多属性需求响应策略模型,从用户的历史用电数据中挖掘用电行为习惯。其次,在传统细菌群体趋药性算法中引入禁忌搜索,提出禁忌细菌群体趋药性混合算法(BCCTS),对模型求解。最后,通过实例验证获得最优的微电网负荷用电计划。算例结果验证了所提出模型与求解算法的有效性,能够帮助用户在削减电力费用的同时减小电网峰谷差;BCCTS算法能够得到全局最优解,适用于需求响应策略模型的求解。

考虑家电关联与舒适性相结合的用电行为多目标优化模型

随着智能家电的广泛应用,实现用电行为优化已成为家庭智能用电的重要研究内容。从经济性和舒适性两个方面入手,提出一种智能用电环境下用电行为多目标优化模型。首先,分析了家庭用户的负载特性,并定义了可中断和可转移电器的运行约束。然后,考虑家电负载和用电习惯等各方面的约束条件,设计了家电关联最小化电费支出模型和用户用电舒适度模型,实现了多目标优化。最后,提出基于持续搜索多目标粒子群算法进行优化模型的求解。算例分析表明,多目标优化模型能有效降低用电费用并提高用电舒适性。

计及Spark和属性权重的售电套餐推荐方法

针对电力市场用户群庞大,交易过程中售电套餐选择困难的问题,在Spark环境下设计了一种售电套餐推荐方法,同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先,计算出每个套餐属性的权重值,从而计算得到售电套餐综合相似度。然后,计及用户和套餐两方面提出一种售电套餐推荐方法,实现售电套餐的精准推荐。实验表明,提出的推荐方法能够明显提高推荐的准确度,并且在分布式环境下具有良好的推荐效率和可扩展性。

计及用户响应电价关联与多主体共赢的电动汽车充放电定价优化

针对电动汽车用户响应电价时存在的不确定行为,导致配电网负荷波动及运营商成本增加的问题,提出了一种计及用户响应电价关联与多主体共赢的电动汽车充放电定价优化方法。首先,根据用户对充放电电价的响应方式,分析了不同用户充放电转移与电价变化的关联关系;然后,定义了单位投入成本函数,以电网负荷峰谷差最小、运营商节省成本最大及用户用电满意度最大为优化目标,以电动汽车行驶里程、电池电量、充放电时间和车网互动放电电价为约束条件,构建了协调多主体利益的充放电定价多目标优化模型;最后,在人工鱼群算法的基础上,结合免疫算法和Pareto最优解集,提出了基于收缩空间的改进免疫鱼群算法对多目标优化模型进行求解。算例分析结果表明,所提定价优化方法在降低系统负荷峰谷差和运营商成本的同时,增强了对用户分时段有序接入电网的调控能力,验证了所提方法的有效性和优越性。