一种数据机理交互驱动的微电网拓扑辨识方法和系统

    公开(公告)号:CN115544701A

    公开(公告)日:2022-12-30

    申请号:CN202211296116.5

    申请日:2022-10-21

    摘要: 本发明公开一种数据机理交互驱动的微电网拓扑辨识方法和系统,采用潮流方程求解节点之间的互电导矩阵和互电纳矩阵,然后对互电导矩阵或互电纳矩阵进行降噪处理得到初始拓扑结构,然后构建初始拓扑结构的指标数据库,计算各指标的特征贡献度,筛选出特征贡献度最大的两个指标的数据作为特征集,配上对应的配电网拓扑结构标签,对基于卷积神经网络的微电网拓扑辨识模型进行训练,得到训练好的微电网拓扑辨识模型,最后利用训练好的微电网拓扑辨识模型进行配电网拓扑辨识,实现了在不需要事先知晓配电网潜在拓扑结构的情况下,仅需要利用测得的节点有功、无功和电压幅值数据,即可实现微电网拓扑的精确辨识,提高微电网拓扑辨识的实用性的技术效果。

    一种基于数据降维的配电网状态估计方法及相关装置

    公开(公告)号:CN115689358A

    公开(公告)日:2023-02-03

    申请号:CN202211375595.X

    申请日:2022-11-04

    摘要: 本申请公开了一种基于数据降维的配电网状态估计方法及相关装置,方法包括:采用预置弹性网算法对配电网高维量测数据进行降维处理,并选取出降维量测数据;基于量测误差根据降维量测数据分别构建量测相关函数和伪量测相关函数;基于加权最小二乘法依据量测相关函数和伪量测相关函数构建量测数据填充成本函数,并根据量测数据填充成本函数对降维量测数据进行填充,得到填充量测数据;采用预置神经网络对填充量测数据进行映射训练,得优化量测数据,预置神经网络包括复杂度优化函数;以优化量测数据为初始条件,通过高斯‑牛顿迭代法对配电网状态进行估计,得状态估计结果。本申请能解决现有技术中量测数据维度过高,且传统方法无法满足当前需求的技术问题。

    基于智能演化和稳定性评估的能源系统网络拓扑生成方法

    公开(公告)号:CN115603310A

    公开(公告)日:2023-01-13

    申请号:CN202211254840.1

    申请日:2022-10-13

    IPC分类号: H02J3/00

    摘要: 本发明公开了一种基于智能演化和稳定性评估的能源系统网络拓扑生成方法,采用供需结构衍生法进行节点衍生,确定当前节点数量与类型,然后根据网络拓扑自适应规划方法构建网络拓扑结构,获得阶段性网络拓扑,然后根据模拟暂态时域数据生成法,针对当前网络拓扑结构、系统参数和故障信息,生成暂态时域数据序列,最后根据生成的数据计算当前网络的暂态电压稳定性指标,根据暂态电压稳定性指标对网络结构进行智能修正与完善,输出暂态电压稳定性指标满足要求的阶段性网络拓扑结构。解决了现有的能源系统暂态电压稳定性分析无法适应于变化的拓扑结构且过程纷繁复杂,耗时较长的技术问题。

    针对电网数据的基于模型版本更新的隐蔽攻击的检测方法

    公开(公告)号:CN118921199A

    公开(公告)日:2024-11-08

    申请号:CN202410970342.X

    申请日:2024-07-19

    摘要: 本发明涉及智能电网中模型版本更新的应用,专注于检测基于电网数据的模型版本更新时隐蔽攻击的方案。目前存在的检测方法要么是中心化的,要么仅限于智能电网模型版本更新场景下中的数据毒化攻击。然而,在智能电网模型版本更新场景环境中成功检测隐蔽攻击的工作尚未有所突破,这表明隐蔽攻击的检测非常具有挑战性。本方案通过每次训练过程中应用局部解释模型无关方法(Local Interpretable Model‑agnostic Explanations,LIME)方法,对系统中每个用户训练模型的特征进行提取,这种方法能够识别模型中的关键特征。进一步通过离群检测算法,我们能够快速而精确地评估用户行为。这种综合的方法不仅有助于发现恶意用户,还能及时响应可能的异常情况,从而保障电网系统的安全可靠运行。

    基于拆分混洗的联邦学习方法、装置、设备和介质

    公开(公告)号:CN115442036B

    公开(公告)日:2024-11-01

    申请号:CN202211074718.6

    申请日:2022-09-02

    IPC分类号: H04L9/08 H04L9/30

    摘要: 本发明公开了一种基于本地差分隐私和拆分混洗的联邦学习方法,联邦学习客户端首先在认证服务器中注册,在上传梯度信息之前,先使用隐私保护算法进行处理,然后对隐私保护梯度加密,生成一则消息发送给认证服务器。认证服务器对消息进行验证,验证完成后将梯度信息进行拆分混洗后发送给联邦学习服务器端,切断联邦学习服务器端中梯度信息与每一个联邦学习客户端的联系,增强隐私保护能力,同时保证模型的高性能。本发明使用指数机制的本地差分隐私,更好实现对梯度信息的差分隐私保护;然后将隐私保护梯度信息上传至认证服务器进行认证,保证梯度信息的正确性;最后将梯度信息上传至联邦学习服务器端之前,进行拆分混洗处理,提高隐私保护强度。