- 智能电网中数据稀缺下的少样本负荷预测:元学习方法
该论文提出了一种基于元学习算法的短期负荷预测方法,通过少量训练样本在任意长度的未知负荷时间序列中快速适应和泛化,并通过历史负荷消耗数据集的评估表明,该方法能够准确预测负荷,比传统的迁移学习和任务特定的机器学习方法提高了 12.5% 的准确度 - CommonPower: 为智能电网超级加速机器学习
通过 CommonPower,我们提供了第一个模块化框架,可以用来实现一个安全的增强学习控制器,并且涵盖了单一代理和多代理的训练算法,以及基于符号方程的模型预测控制方法。
- 基于 CNN 模型的联邦学习检测勒索软件攻击
计算仍然面临来自勒索软件的重大威胁,需要及时采取行动来防止。本文研究了一种基于人工智能的勒索软件检测方法,并提出了一种针对数字变电站受损运行的勒索软件攻击建模技术。首先,将二进制数据转换为图像数据,并将其输入到使用联邦学习的卷积神经网络模型 - 一个在线的分层能源管理系统,符合当前技术法律框架
为了降低成本并推动本地可再生能源利用,本文基于欧盟技术指导,综合在线分层 EMS,并通过混合模糊推理系统 - 遗传算法模型和 LSTM 预测,实现智能电网中可再生能源社区成本最小化,并超越自给自足策略,实现 20% 的节约。
- 深度学习在智能电网网络中推动主动网络安全措施的作用:综述
智能电网越来越依赖于传感器和通信系统等先进技术来实现高效的能源生成、分配和消费,这使得它们成为了复杂网络攻击的目标。这项调查研究了最新的深度学习技术在智能电网主动网络安全方面的应用,并提供了基于深度学习的主动防御方法的综合分类和分析,以及与 - 基于深度学习的智能电网网络攻击检测模型
通过使用人工智能技术,本研究提出了一种新颖的智能电网基于模型的网络攻击检测方法,以阻止监控控制和数据采集系统(SCADA)上接收的负载数据的数据完整性网络攻击(DIAs),并使用回归模型进行负载数据的预测,以及通过无监督学习方法对处理后的数 - 可再生能源系统和电网优化中的分布式解决方案赋能
该研究探讨了电力行业由中央集中化向分散化的转变,重点关注了机器学习在推动可再生能源和改善电网管理方面的关键作用。研究使用了人工神经网络、支持向量机和决策树等多种技术,将机器学习模型应用于预测可再生能源的生成和消耗,并采用数据预处理方法提高预 - 黑盒模型即足以侵犯隐私:以智能电网预测模型为例
该研究探讨了与预测模型相关的潜在隐私风险,重点关注其在智能电网背景下的应用。深度学习(如 LSTM)等基于深度学习的预测模型在优化智能电网系统等多个应用中发挥关键作用,但也引入了隐私风险。研究分析了预测模型泄漏全局属性和对智能电网系统隐私的 - 机器学习检测网络攻击并区分电力系统干扰类型
基于机器学习的智能电网攻击检测模型,通过利用来自相量测量设备(PMUs)的数据和日志,学习系统行为并有效识别潜在的安全边界。研究使用来自不同 PMUs、继电器嗅探警报和日志的 15 个独立数据集验证了提出的模型,结果显示随机森林模型在检测电 - 基于联邦学习的智能电网虚假数据注入攻击分布式定位
本文提出了一种联邦学习机制,结合混合卷积神经网络体系结构,并利用图形神经网络和 LSTM 层中的本地相关性和数据时间模式,以在分布式设置中灵活且高效地训练 FDIA 检测器,同时保护客户的隐私。
- 联邦学习与智能电网的交叉路口:概述、挑战和展望
本文旨在讨论在智能电网(SGs)中使用联邦学习(FL)的优势、局限性、设计趋势和挑战。而这一技术主要应用在负载预测、电动汽车、故障诊断、负载分解和可再生能源等方面,目的在于保护用户隐私和提高数据分析的准确性。
- 智能电网中的优化算法:系统文献综述
本文介绍了电力智能电网的功能特点,以及它们在优化算法方面的应用。其中,粒子群优化是目前研究人员使用较为广泛的算法,该文还探讨了电力智能电网研究的未来发展和挑战。
- 智能电网知识图谱发展现状及应用前景调查
本文针对智能电网应用中电力数据语义互操作和互联进行了全面研究,提出了基于知识图谱技术的电力知识挖掘、智能电网中的知识图谱概述、电力知识图谱平台构架,以及知识图谱在智能电网、用电服务、调度决策和设备运维领域的应用前景。同时,总结了面临的问题和 - 智能能源系统中的 AI 可解释性和治理:一项综述
通过收集 Scopus 数据库中的 3,568 篇相关论文,自动发现了 AI 治理能源的 15 个参数或主题,这篇论文深化了我们对能源中 AI 治理的知识,并有望帮助政府、工业、学术界、能源生产者和其他利益相关者了解 AI 在能源部门的应用 - PowerFDNet:基于深度学习的交流模型输电系统隐蔽虚假数据注入攻击检测
本文提出了一种基于深度学习技术的时空深度网络 PowerFDNet,用于 AC 模型电网中 SFDIA 检测,PowerFDNet 可以有效地建模测量的时空结构,并在基准智能电网上的实验结果证明了其性能的显著改善,同时作者们还实现了一个 I - 区块链和人工智能技术在智能电网中促进自产自用者的应用:综述
本文介绍了如何在智能电网中引入区块链和人工智能来促进能源市场发展,并提到政策设计和潜在的区块链技术支持下的能源市场结构以及如何应用人工智能加强电力系统的运行监控和决策制定。
- MM深度学习在智能需求响应和智能电网方面的应用:综合调查
本论文综合调查了深度学习在智能电网和需求响应中的应用,主要包括负载预测、状态估计、能量盗窃检测、能源共享与交易等方面,并提出了如何充分利用深度学习技术应对该领域中的重要问题和潜在方向。
- 有均场共享的耦合子系统的团队最优控制
本文研究了弱耦合随机子系统的团队最优控制问题,使用动态规划分解方法识别并利用信息状态获得全局最优策略,控制器观察本地状态和所有子系统平均场状态,信息状态的大小是时间不变的,并且可以推广到无穷时间段的控制设置。该方法针对不同控制器数量且可观测 - ICML基于深度学习的工控系统隐蔽攻击识别
使用基于深度学习的数据驱动框架识别、诊断和定位工控系统中智能电网上的一种类型的网络攻击,该方法结合了自编码器、基于长短期记忆(LSTM)的递归神经网络和深度神经网络,并在 IEEE 14-bus 模型上进行了实验验证。
- MM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。