Apr, 2024

面向个性化防御网络攻击的电动车充电需求预测的联邦图学习

PDF
TL;DR电动汽车充电需求预测中减轻网络安全风险对于集体电动汽车充电的安全运营、电网稳定性和成本效益的基础建设至关重要。为了解决数据隐私和网络攻击易受影响的问题以及考虑不同充电站之间的空间相关性，本文提出了一种联邦图学习方法，涉及多个充电站来协同训练更通用的深度学习模型，用于需求预测，同时捕捉不同站点之间的空间相关性，并增强对潜在攻击的鲁棒性。
cybersecurity riskelectric vehicle charging demand forecastingfederated graph learningspatial correlationdeep learning model
发现论文，激发创造
  • 电动汽车网络联邦学习能源需求预测

    本文介绍了使用机器学习技术预测电动汽车网络的能量需求的方法，包括一种使用聚类和联邦学习的方法，以减少通信开销和保护数据隐私。实验结果表明，与其他基线机器学习算法相比，我们的方法可以提高能量需求预测的准确性高达 24.63％，并降低 83.4％的通信开销。

    Sep, 2019

  • 面向区域电动车充电需求预测的基于物理知识和注意力机制的图学习方法

    该论文提出了一种名为 PAG 的新方法，通过图形和时间注意机制实现特征提取，并在模型预训练阶段使用物理知识引导元学习，以应对训练准确且可解释的预测模型的新挑战，从而实现电动汽车充电需求的准确预测和适应于价格波动引起的充电需求的变化的能力。

    Sep, 2023

  • 基于 Transformer 的联邦学习的智能电网安全短期负荷预测

    本文介绍了一种基于 Transformer 的深度学习方法，利用联邦学习进行短期电力负荷预测，模型的性能超过了长短时记忆模型和卷积神经网络，是联邦学习中值得期待的一个替代方案。

    Oct, 2023

  • EVGen：用于学习电动汽车充电负载和隐藏表示的对抗网络

    本研究利用生成式对抗网络，学习电动汽车充电过程的分布规律，为电网运营商应对交通运输领域向低碳化方向的转型提供一种新型的数据仿真方法.

    Aug, 2021

  • 智能电网的联邦学习框架：在协作学习中保障功率跟踪的安全性

    使用联邦学习框架进行大数据分析技术在智能电网中的应用，保证数据安全和隐私保护，提高能源利用效率。

    Mar, 2021

  • 基于联邦学习的连接电池电动车隐私感知能耗建模

    电池电动车（BEV）在现代城市中具有越来越重要的意义，它们有潜力减少空气污染。精确和实时地估计其能量消耗对有效的行程规划和优化车辆系统至关重要，这可以减少驾驶里程焦虑和降低能量成本。随着公众对数据隐私的意识增强，在 BEV 能量消耗建模背景下采用保护数据隐私的方法至关重要。联邦学习（FL）是一种有前景的解决方案，通过允许本地数据保留在设备上，并仅与中央服务器共享模型更新，从而降低了向第三方揭示敏感信息的风险。我们的研究调查了使用 FL 方法如 FedAvg 和 FedPer 来改进 BEV 能量消耗预测同时保持用户隐私的潜力。我们使用来自 10 辆 BEV 在模拟真实驾驶条件下的数据进行实验。我们的结果表明，FedAvg-LSTM 模型在预测结果的 MAE 值上实现了最多 67.84％的降低。此外，我们探索了各种真实世界情景，并讨论了如何在这些情况下使用 FL 方法。我们的研究结果表明，FL 方法可以在保持用户隐私的同时有效提高 BEV 能量消耗预测的性能。

    Dec, 2023

  • 使用边缘计算和联邦学习进行电力负荷预测

    本文提出使用 Edge Computing 和联邦学习的方法，以增加训练深度学习模型所需的数据量和多样性，同时保护隐私，本文成功应用于家庭负荷预测。

    Jan, 2022

  • 电动汽车能量需求预测学习系统的高效设计

    通过跨地理分散的电动汽车充电站和联邦学习的高效变种，结合最新进展的 Transformer 架构，提出了一种通信高效的时间序列预测模型，具有与其他模型相媲美的性能，但在训练过程中消耗更低的数据速率。

    Sep, 2023

  • 5G 及其后续 V2X 网络中的零日攻击检测的联邦学习

    利用深度自编码器方法检测基于良性网络流量模式的攻击，通过联邦学习训练侵入检测系统，同时保护 CAVs 的隐私并减少通信开销。在最新的网络流量数据集上进行的深入实验表明，该系统实现了高检测率，并最小化误报率和检测延迟。

    Jul, 2024

  • 基于分布式网络的电动车充电控制的联邦强化学习

    电动车充电控制中的多智能体深度强化学习方法结合了多电动车充电与放电过程以及射线分布网络的优化功率流，通过联邦式深度强化学习算法来有效地学习最佳的充电控制策略，从而平衡车辆与电网之间的利益和减少驾驶员的焦虑情绪。

    Aug, 2023