Feb, 2019

智能电表系统中隐私成本权衡 —— 兼论可再生能源与可充电电池

PDF
TL;DR研究了智能电表系统中隐私成本权衡的问题，使用可再生能源和有限容量的可充电电池，利用马尔可夫决策过程和动态规划，设计电池的充电和放电策略，使隐私泄露和能源成本的线性组合最小化，并提出了两种低复杂度的能源管理策略。
smart meter systemprivacy-cost trade-offrenewable energy sourcefinite-capacity rechargeable batterydynamic programming
发现论文，激发创造
  • 具有可充电电池的智能电表系统的信息论隐私保护

    本文通过使用可充电电池的方式研究了如何在保证满足可行性约束的情况下，使用第一阶 Markov 过程和标准化互信息来保护智能电表系统用户的隐私。同时，我们还研究了最佳充电策略和其对应的互信息泄露速率。

    Oct, 2015

  • 隐私感知的智能电表：进展与挑战

    本文主要介绍了提高用户隐私保护的能源管理技术，它们通过使用可再生能源、需求塑造等物理资源管理实现准确获取能源消费信息，并在保护用户隐私的前提下进行严格的数学分析。

    Feb, 2018

  • 智能电表计费的插件隐私

    在不泄露居民用电数据的情况下，借助基于 Pedersen 承诺的零知识证明及插件的隐私保护协议，使用智能电表收集电表数据，并通过实现动态时间使用费率实现计费。

    Dec, 2010

  • 基于深度有向信息学习的隐私保护智能电表数据发布

    本文研究了用于隐私保护的机制，特别是针对时序数据和智能电表的用电量测量。对于这种情况，本文提出了一种基于 Directed Information 的隐私测量方法，并提出了一个新的损失函数，使用对抗框架进行优化，验证了该方法的有效性，并显示了隐私和效用之间的平衡。

    Nov, 2020

  • 基于深度强化学习的住宅家庭中隐私代价权衡的主动负载整形策略

    提出了一种基于深度强化学习的负载整形算法 (PLS-DQN)，通过主动创建人工负载签名来误导潜在攻击者，旨在保护用户隐私，同时保持成本效益。评估结果表明，该方法不仅有效隐藏真实能源使用模式，而且在提高用户隐私的同时也超越了最先进的方法。

    May, 2024

  • 智能电表数据共享的局部差分隐私

    本文提出了一种新颖的局部差分隐私方法（称为 LDP-SmartEnergy），利用滑动窗口和随机响应技术，在不揭示个人用户的设备使用模式的情况下，促进了随时间共享设备级能耗数据。评估结果表明，与基准方法相比，LDP-SmartEnergy 的运行效率高，同时结果还表明我们的解决方案在保护隐私和保持数据有效分析的效用之间取得了平衡。

    Nov, 2023

  • 基于强化学习的物联网系统中多接入控制和能量收集电池预测

    本文研究小型 IoT 系统中的能量收集、访问控制和电池预测问题，提出了基于强化学习和深度 Q 网络的三种算法，实验结果表明这些算法在性能上比现有基准方法更优秀。

    May, 2018

  • 基于能量收割的多接入通信：多臂赌博机模型与短视策略的最优性

    研究一种多接入无线网络，并探讨基于不确定的能量收获过程和电池状态的调度策略，旨在实现最大总吞吐量，并将问题确定为无休止多臂匪徒问题，通过对某些能量收获过程和电池大小的假设，证明了视野短浅的决策策略的最优性和数字化的性能。

    Jan, 2015

  • 基于多智能体深度 Actor-Critic 学习的智能电网需求侧调度

    本文针对需求侧能源管理问题，提出了一种基于智能电网环境的多智能体深度强化学习算法，可以在保证可扩展性和隐私保护的前提下利用即时观测和价格信号来最小化总体成本，并降低家庭总能耗的峰谷比和电力费用。

    May, 2020

  • 基于近端策略优化的智能家庭太阳能管理

    通过基于 Proximal Policy Optimization (PPO) 的框架，使用循环奖励模型来最大化利润，相比其他简单算法在累积总利润方面取得了 30％以上的改进，该方法在复杂领域如金融市场中进行增强学习算法以规划行动方面表现出良好的潜力，同时提出了一种基于孤立波的长序列嵌入新方法，在使用随机浮点数据增强时表现优于普通嵌入方法。

    Apr, 2024