Aiming at the problem that in the current environment of power data usage, the increased openness, frequent flow and complex interaction objects of data lead to the prevalence of data leakage risk throughout the data life cycle, this study proposes a generative adversarial network model for power data anonymization protection. The model first parses the original JSON file and encodes it using different feature encoders to effectively handle different types of variables. Second, the generative adversarial network is improved to generate anonymized data through loss feedback, and privacy is protected during data generation by adding random noise. Compared with the existing methods, the model is able to generate anonymized data with high utility and strong similarity to the original data for the original data of mixed data types, and realize decoupling with the original data. Experiments demonstrate that the data synthesized by the model proposed in this paper has significantly reduced differences in machine learning utility and statistical similarity compared to the original data, thus it can be used to replace the original data for mining analysis and data sharing, and effectively realize the privacy protection of the original data.
To solve the problem that the existing security strategy of power monitoring system is insufficient to defend against new attacks,this paper proposes an automatic threat path construction method based on ATT&CK framework.Firstly,the network undirected graph based on the connectivity between devices is constructed.Then,the threat movement path is constructed according to the asset classification information.Finally,according to the asset classification information,ATT&CK framework and network killing chain,the threat movement path information and the threat path construction are completed.This method not only provides a theoretical basis and support for the formulation of power system security policy,but also provides the possibility to adaptively adjust network security policy when threats are detected.
The communication protocol is an important support to realize the communication between equipment and Internet. And it covers all aspects of the IoT (Internet of things) system. To address the security problem of forging or tampering of key data in traditional IoT protocols, this paper designs an improved MQTT (message queue telemetry transmission) protocol that uses blockchain technology to ensure the security of transmitted data in the process of data transmission. Because the information in the blockchain is not tamperable, which in turn ensures that data stored in brokers are not maliciously tampered with. Through simulation experiments, it is proved that this scheme is lightweight, efficient and easy to implement, which helps to protect the security of IoT data.
Integrating marketing and distribution businesses is crucial for improving the coordination of equipment and the efficient management of multi-energy systems. New energy sources are continuously being connected to distribution grids; this, however, increases the complexity of the information structure of marketing and distribution businesses. The existing unified data model and the coordinated application of marketing and distribution suffer from various drawbacks. As a solution, this paper presents a data model of "one graph of marketing and distribution" and a framework for graph computing, by analyzing the current trends of business and data in the marketing and distribution fields and using graph data theory. Specifically, this work aims to determine the correlation between distribution transformers and marketing users, which is crucial for elucidating the connection between marketing and distribution. In this manner, a novel identification algorithm is proposed based on the collected data for marketing and distribution. Lastly, a forecasting application is developed based on the proposed algorithm to realize the coordinated prediction and consumption of distributed photovoltaic power generation and distribution loads. Furthermore, an operation and maintenance (O & M) knowledge graph reasoning application is developed to improve the intelligent O & M ability of marketing and distribution equipment.
In order to support the implementation of typical scenarios in digital grid and promote the digital transformation of marketing,the energy Internet marketing service system has been built. With the development of the marketing service system business,the demand for voice calls to communicate with electric power consumers using mobile handset has gradually increased. This paper uses AI technology,automatic call distribution,intelligent routing and other technologies to build a digital grid voice platform with the characteristics of flexible deployment,coverage requirements,intelligent services,and easy integration to meet the call needs of onsite operators and mobile office needs,realize customer information feedback and timely customer tracking.
针对油色谱在线监测会产生大量误告警的问题,文章利用告警前在线监测数据的趋势类型判断该告警是否准确,为了实现数据趋势的精确识别,提出了长短期记忆多尺度注意力卷积神经网络(long short-term memory multi-scale attention convolutional neural network,LSTM-MACNN)模型.该模型首先使用LSTM网络提取油色谱在线监测数据的长期依赖特征,然后加入残差连接,使用多尺度卷积提取原始数据不同尺度的复杂局部特征和LSTM处理后的时序依赖特征,最后使用注意力机制帮助模型有选择地增强重要特征信息,抑制无关信息.实验结果表明,LSTM-MACNN 模型在 H2-总烃测试集上趋势识别的准确率为 96.3%,在 C2H2 测试集上的准确率为98.6%.通过实例验证可知,利用装置告警前数据趋势类型识别误告警的准确率达到 97%,所提方法可以为油色谱在线监测装置的误告警判断提供重要参考.
随着电力系统规模的不断扩大、电网业务逐步呈现多样化的形态,电力企业对于把控金融风险的难度也逐步增加.如何对电力企业用户存在的逾期缴费等金融风险问题进行精准评估与分析预测,是目前电力金融领域面临的一个重要问题.在此背景下,文章首先通过改进的随机森林算法对电力企业客户的特征要素进行重要性评估,给出该客户发生逾期缴费等金融风险事件影响的大小;然后,利用随机森林方法中的分类预测机制对其是否会有逾期缴费风险进行预测,并将该算法与逻辑回归算法进行对比;最后,通过算例仿真,结果表明所述方法能在一定程度上对电力客户缴费的金融风险行为进行评估预测.
近年来随着综合能源系统研究的深入,对能源设备建模的完整性和准确性提出了更高要求.针对传统研究中尚未考虑设备碳排放参数以及现有参数辨识方法的不足,文章提出一种考虑碳排放的综合能源系统抗差参数辨识方法.首先,建立了考虑碳排放强度的常见能源设备模型;其次,针对获取的系统历史运行数据,利用BP神经网络对其中的缺失值进行拟合填充,获取高可信的有效数据;最后,采用基于投票法的参数辨识方法对设备进行参数辨识,并通过旧数据遗忘与更新对设备参数进行动态辨识,通过算例对比分析了所提方法相较于现有方法的优势,说明了所提方法的必要性和有效性.
在风电场直流侧配备储能以实现虚拟同步机控制的方案需要对风电场的硬件进行改造升级,成本较高;在风电场交流侧配备储能虽成本较低,但现有的风电场与交流侧储能独立控制的方法对风电场出力波动的平抑作用有限.在不改变风电场现行控制基础上,文章提出一种风电场及其交流侧配备的构网型储能设备的虚拟同步发电机协同控制方案,可使新能源和储能联合系统呈现电压源效应并提供系统阻尼和惯量,考虑了储能容量对控制效果的限制作用,并提出了储能容量与风电场装机量的最佳配比,通过仿真实验对该方案的有效性进行了论证.结果表明:通过协同控制风电场与其交流侧配备的构网型储能出力,可以与风电场直流侧配备储能的虚拟控制实现相同的频率与电压支持效果,并有效平抑风力发电的波动性.
随着电网建设的深入开展,数据治理流程愈发复杂,异构部门间数据交互愈发频繁,对调控业务系统数据的安全可靠交互构成一定的威胁.文章利用区块链技术防篡改、可追溯、共识机制等特征,研究基于区块链的电网调控数据溯源管理技术,解决调控数据治理过程中可能出现的误操作问题,为调控运行提供统一、可追溯的链上数据.首先设计了调控数据溯源与管理的区块链整体架构,其次对调控模型数据协同管理、模型数据上链存储及链上数据查询等环节进行了详细设计,最后通过实验对其应用特点和应用性能进行了验证分析,结果表明提出的基于区块链的电网调控数据追溯与管理技术可实现数据的通用、高效存储,有效提升调控数据管理水平.
针对现行架空输电线路绝缘子检测算法存在的复杂度高和实时性差等问题,文章提出基于结构化剪枝的检测算法.首先引入HardSwish激活函数,加速模型收敛;其次,使用K-means++算法对锚框聚类,使锚框更贴合目标;在训练过程中利用归一化层缩放因子γ 进行L1正则化稀疏训练,优化滤波器以及卷积核权重,剪除信息量较少的通道.对于剪枝后的模型,通过知识蒸馏进行微调,恢复精度.采用 DIOU-NMS 算法进行后处理,优化模型实际检测结果.实验表明:文章模型浮点数运算量减小至 8.2GFLOPs,有效降低了模型的复杂度;mAP0.5高达96.8%,性能优于其他模型;检测速度可达21.23fps,可以较好地满足实时性检测需求.
标准数字化立足于《国家标准化发展纲要》,是推进我国纸质标准文档转为数字文档和机器可读文档的重要举措.不仅关乎我国数字经济发展,还对推进我国标准化工作高质量发展具有重要意义,但现有研究处于探索阶段,缺乏标准数字化在电力行业发展的顶层设计与前瞻思考.文章阐释了标准数字化转型发展概况,总结提炼了国内外标准数字化转型发展动态与我国标准数字化转型发展核心问题.基于此,站在电力行业视角下提出了电力标准数字化转型发展路径.首先,从宏观发展形势、行业重点需求、企业发展情况、同类借鉴经验、业务应用场景、自身特性需求等方面,分析了电力行业与其他行业开展标准数字化转型的差异.其次,从总体思路、发展目标、发展重点与方向3个方面构建电力标准数字化转型发展思路,并从体系建设、关键技术、业务应用、试点示范等方面研判未来发展趋势,构建了电力标准数字化转型发展蓝图.最后,针对当前我国电力标准数字化转型发展不足与短板,提出推动标准数字化在电力行业发展的方向性建议与展望.
电力物联网背景下,基于高速电力线载波(high speed power line communication,HPLC)技术的传统数据采集方案无法满足分钟级数据要求,且可能存在多个中央协调器(central coordinator,CCO)频段互相干扰等问题,导致现场一次采集成功率不高.因此,文章提出了一种多 CCO 场景下电表数据分钟级采集方案.该方案首先提出利用网间协调帧机制来保障多个CCO节点协同通信;其次,通过在原有CCO和站点(station,STA)模块的基础上增加数据缓存功能,避免碰撞发生.测试结果表明,与传统用电信息采集方案相比,本设计采集效率提升了约 6倍,一次采集成功率达到了100%.
卫星授时是智能电网的时间同步网中的关键授时技术之一,然而卫星导航信号具有先天脆弱性,这使得终端容易受到欺骗,从而影响时间同步网的整体鲁棒性.为了提高卫星授时终端抗欺骗能力,文章提出了一种单台接收机伪距双差的低成本抗欺骗检测方法.该方法通过利用原始伪距观测量建立双差伪距模型,通过位置信息的一致性来判断检测终端受欺骗情况.通过该检测方法进而建立了接收机端自主抗干扰监测方案,该方案具有高可行性、易移植、低成本的优点,适合在电网卫星授时相关终端进行推广应用.
虚拟电厂通过先进的通信、计量、控制等技术聚合不同的灵活性资源,实现资源综合协调优化控制,是提高电网安全水平、降低用户用能成本、促进新能源消纳的重要措施.而基于云服务的计算框架将虚拟电厂优化调度的求解转移至云端服务器完成,在降低本地计算压力和计算资源投资成本的同时也带来了新的隐私安全问题.为了应对云计算过程中云端服务器与园区之间信息交互存在的隐私泄漏风险,文章研究并提出了面向云服务的虚拟电厂优化调度过程中基线计算环节的信息伪装机制,利用基于线性映射的信息伪装算法将原优化问题的参数及变量信息进行伪装,在有效保证云端模型求解正确性的同时,可靠地保护园区数据隐私.通过对算例优化结果以及信息伪装特性的分析验证了所提模型和方法的有效性.
在"双碳"战略目标提出的背景下,提高控制二次清洁能源的能力,是实现碳达峰目标的重要途径.文章提出了基于无监督学习的低碳型综合园区碳监测方法.采用低碳综合园区双层协同优化结构,利用多时间尺度综合优化调整各发电机组输出,制定了基于第二天价格走势的需求响应策略,首先收集园区低碳运行相应主体的用电数据,采用电-碳转换模型计算园区各主体的碳排放数据,然后依托无监督学习算法下的特征分量分解对大量的碳排放数据进行异常点监测,最后进行仿真分析.通过实验结果可以看出,文章所提方法具有精度高、适用性强等特点,很好地弥补了碳排放数据监测方面的技术空白,增强了园区能源综合调度模型在"双碳"背景下的适用性.
克尔效应和色散对相干光纤通信系统的传输距离和数据容量有极大限制.为了补偿光纤传输中的非线性损伤,结合卷积神经网络(convolutional neural network,CNN)、双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)和注意力机制(attention)的特点,提出了一种基于CNN-BiLSTM-Attention模型的光纤非线性损伤补偿算法,并在DP-16QAM 30Gbaud的相干光通信系统中进行了仿真.仿真结果表明,与CNN-BiLSTM模型相比,在1200 km的传输距离下,该算法以降低0.03～0.23 dB的Q因子为代价,使复杂度降低了约31.6%;在相似复杂度下,该算法在最佳传输功率下的Q因子提高了0.43 dB.
SDH光传输系统是支撑大电网安全运行的关键电力通信设施,当前对于实时严重告警的排查主要依赖通信调度人员的经验开展关联分析,该模式存在排查速度慢、业务协同差等不足.为了解决以上问题,提出了一种面向SDH光传输系统告警的领域知识图谱构建方法.针对告警文本中实体嵌套和边界难以确定的问题,构建BERT+Bi-LSTM+CNN模型进行命名实体识别.采用Multi-Attention+TextRNN模型进行关系抽取,并基于GCN+Self-Attention进行知识图谱融合.以某线路的通信设备告警文本为实验对象,采用所提出的方法进行知识抽取和融合,实体识别准确率达到91.42％,知识融合的hits@1能达到38.1％,验证了针对SDH光传输系统告警场景的领域知识图谱构建方法的有效性.
电力通信网是一个典型的复杂网络,其关键节点对网络可靠性有较大影响.为准确评估节点重要性,文章从电力通信网的拓扑结构、承载的电力业务、节点类别和负荷以及根据运行统计数据得到的故障概率4个参数对节点重要性进行评估,并根据电力通信网拓扑结构的成环特性,提出了一种基于多指标最小环路的电力通信网重要节点判别方法.仿真结果表明,与其他方法相比,文章的算法能够更准确有效地评估节点重要性.
为解决电力系统中可能发生的协同攻击事件,文章提出包含单点防御、级联防御和全局防御的三级联合防御模型,配合攻防推演模块和策略规约模块,能够实现针对电力系统协同攻击的有效防御.三级防御分析器分别基于攻击防御树、连锁故障和深度强化学习实现,其核心为基于多智能体行动者-注意力-评论家框架(multi-agent actor attention critic,MAAC)的全局防御分析模型,MAAC能够考虑攻击者与防御者之间的竞争协作关系进而给出防御策略,使其更加适合电力信息物理系统(cyber physical systems,CPS)复杂的攻防场景分析.实验采用IEEE总线系统为基础构造电力CPS,环境中的数据从实际电力系统引入,使MAAC的训练学习面向真实环境.实验结果表明,该模型在收敛速度和防御性能上均优于其他模型,证明所提出的联合防御模型能够有效提升电力CPS面对复杂协同攻击场景的防御能力.
