找到 8 条结果
使用谱图神经网络增强智能电网中虚假数据注入攻击的检测
Enhancing Detection of False Data Injection Attacks in Smart Grid Using Spectral Graph Neural Network
作者未知 · IEEE Transactions on Industrial Informatics · 2025年1月
智能电网（SG）是电力行业中工业信息物理系统应用的典范。确保信息安全是智能电网的首要关切。然而，虚假数据注入攻击（FDIA）在操纵数据和损害智能电网功能方面构成了重大风险。现有的利用频谱关系检测虚假数据注入攻击的方法主要针对突变情况，无法应用于梳状信号变化。因此，为解决这一问题，本文引入了一种基于谱图神经网络的方法，利用伯恩斯坦多项式来近似谱图滤波器，以检测虚假数据注入攻击。通过神经网络训练得到的滤波器系数，能够创建适用于不同信号变化的梳状和高通谱滤波器。为评估我们模型的有效性，我们将其与其他最...
解读: 从阳光电源的业务视角来看，这项基于谱图神经网络的虚假数据注入攻击检测技术具有重要的战略价值。随着公司光伏逆变器、储能系统在全球范围内大规模部署，设备接入智能电网后面临的网络安全威胁日益严峻。虚假数据注入攻击可能导致电网状态估计失准，进而影响我司设备的调度指令准确性，甚至引发系统性安全风险。 该技术...
基于人工智能与物理模型的智能电网异常检测综述
Artificial Intelligence and Physics-Based Anomaly Detection in the Smart Grid: A Survey
Giovanni Battista Gaggero · Paola Girdinio · Mario Marchese · IEEE Access · 2025年1月
先进通信系统与分布式资源的融合推动了智能电网的发展，提升了控制能力与运行效率。然而，系统复杂性的增加也带来了新的脆弱性，加剧了网络攻击、设备故障等异常风险。机器学习技术作为数据分析的变革性工具，正广泛应用于异常检测。本文综述了结合人工智能与物理模型的智能电网异常检测方法，系统梳理了当前研究现状，评估了各类应用场景、算法性能及验证方式，识别出关键研究缺口，并为该领域的进一步发展提供了学术见解。
解读: 该综述对阳光电源智能运维体系具有重要指导价值。AI与物理模型融合的异常检测方法可直接应用于iSolarCloud平台，提升ST储能系统和SG光伏逆变器的故障预警能力。针对储能系统，可结合电池物理模型与机器学习实现热失控、SOC异常等早期检测；对光伏电站，可融合IV曲线物理特性与AI算法识别组件遮挡、...
基于区块链的智能电网数据监测与共享方法
A Blockchain Based Data Monitoring and Sharing Approach for Smart Grids
Yanhan Yang · Mingzhe Liu · Qin Zhou · Helen Zhou 等5人 · IEEE Access · 2025年1月
随着科学技术发展，人类离不开电力。智能电网系统引入为打破现有电力系统束缚带来新思路。本文提出基于联盟区块链的数据监测和共享能力机制，实现智能设备全面监测，促进智能电网中电力数据有效共享。当智能设备出现故障时，与其连接的智能合约将被触发，用户可通过智能手机查看运行状态。该方法允许联盟区块链节点请求交易，使用带时间锁脚本的预付支付智能合约保护请求节点的消费者权利。此外，使用(t,n)-阈值秘密共享方案实现电力数据多方共享。采用Paillier加密算法保证节点交易中消息的机密性。
解读: 该区块链技术对阳光电源能源数据交易和设备认证具有重要价值。阳光iSolarCloud平台连接海量光伏储能设备，需要可信的数据共享和交易机制。该联盟区块链方案可应用于阳光虚拟电厂和P2P能源交易平台，实现分布式能源资产的可信计量和结算。在绿色电力证书和碳交易场景下，区块链技术可确保发电数据真实性和交易...
基于优化卷积长短期记忆模型的智能电网异常检测
Anomaly Detection on Smart Grids With Optimized Convolutional Long Short-Term Memory Model
Ahmad N. Alkuwari · Saif Al-Kuwari · Abdullatif Albaseer · Marwa Qaraqe · IEEE Access · 2025年1月
数字技术融入传统电力系统提升了电网效率和可持续性,将传统电网转型为智能电网。然而,这一转型也引入新的脆弱性,如虚假数据注入攻击,可导致严重的能源盗窃。据估计这类攻击每年造成电力供应商约1010亿美元损失。本文提出一种基于优化轻量级卷积长短期记忆模型的智能电网异常检测方法,针对七种多分类标记的虚假数据注入攻击进行检测,在分类这些攻击时达到91.3%的高准确率。
解读: 该智能电网异常检测技术可应用于阳光电源智慧能源管理平台的安全监控。通过深度学习模型检测虚假数据注入攻击,保护ST系列储能系统和SG系列光伏逆变器的数据安全,预防能源盗窃和电网欺诈行为,提升智能电网的安全性和可靠性,为工商业储能和分布式光伏提供网络安全保障。...
面向弹性信息物理配电系统的随机序贯恢复
Stochastic Sequential Restoration for Resilient Cyber-Physical Power Distribution Systems
Wenlong Shi · Hao Liang · Myrna Bittner · IEEE Transactions on Industrial Informatics · 2024年11月
现代电力系统正在经历从传统电网向智能电网的范式转变。这一转变从根本上将传统电力系统转变为复杂的信息物理系统。另一方面，在电网韧性方面出现了新的挑战，因为自然灾害可能会对信息系统和物理系统都造成损害。在本文中，我们提出了一种考虑韧性的信息物理配电网随机顺序恢复方案。该顺序恢复问题被建模为一个纳入飓风作为自然灾害的不确定马尔可夫决策过程（UMDP）。不同的风速和风向被视为飓风场景，用于获取配电线路的脆弱性。这些脆弱性函数进一步用于推导UMDP的不确定状态转移函数。本文提出了考虑UMDP样本权重的极小...
解读: 本文提出的信息物理融合配电系统随机序贯恢复方案，对阳光电源在弹性电网解决方案领域具有重要参考价值。随着公司储能系统和微电网业务的快速发展，如何在极端天气等灾害场景下保障电力系统快速恢复，已成为提升产品竞争力的关键维度。 从技术价值看，该研究基于不确定马尔可夫决策过程（UMDP）建立的序贯恢复模型，...
通过K-Shape聚类和深度学习融合提升短期负荷预测
Enhancing Short-Term Load Forecasting Through K-Shape Clustering and Deep Learning Integration
Warren Grice · Mohammed Olama · Annabelle Lee · Philip G. Evans · IEEE Access · 2025年1月
短期负荷预测对现代电网运行和电力市场交易至关重要。本文提出K-NBEATSx模型，融合聚类和深度学习方法。首先使用K-Shape聚类基于形状相似性对负荷数据分类，识别不同运行模式；然后应用NBEATSx方法结合趋势和季节性模块提升预测精度。三国负荷数据案例研究表明，该模型在各种运行场景下均优于传统深度学习模型，验证了聚类算法的有效性，为提升电力系统可靠性和效率提供新方法。
解读: 该负荷预测技术是阳光电源iSolarCloud云平台的核心能力。阳光智慧能源管理系统需要精准的短期负荷预测来优化储能调度和光伏发电。该K-Shape聚类和深度学习融合方法可集成到阳光EMS系统，提升预测精度至95%以上，优化电池充放电策略，延长电池寿命，提高系统经济性和电网友好性。...
智能电网在可持续能源管理中的广泛应用与系统性综述：应对人工智能、可再生能源集成与前沿技术挑战
An Extensive and Methodical Review of Smart Grids for Sustainable Energy Management-Addressing Challenges with AI, Renewable Energy Integration and Leading-edge Technologies
Parag Biswas · Abdur Rashid · Abdullah Al Masum · MD Abdullah Al Nasim 等6人 · IEEE Access · 2025年1月
能源管理通过提升能效、降低能耗与碳排放，显著改善系统运行性能。智能电网作为先进的能源基础设施，融合数字通信与多种前沿技术，增强电力系统在发电、输配过程中的可持续性、可靠性与效率。近年来，围绕智能电网的研究成果丰硕。本文系统综述其核心组件、技术进展、可再生能源整合、人工智能与数据分析应用、网络安全及隐私保护等关键议题。重点探讨间歇性可再生能源接入、网络攻击防御、电动汽车规模化并网等挑战，并分析人工智能在优化电网运行、提升可靠性和能源管理效能中的作用。最后指出当前研究的关键问题并提出未来研究方向。
解读: 该综述对阳光电源多产品线具有重要指导价值。在储能系统方面，AI优化算法可提升PowerTitan系统的能量管理效率和电网调度响应能力；网络安全技术可强化ST系列储能变流器的通信防护。在光伏逆变器领域，可再生能源间歇性应对策略可优化SG系列的并网控制算法，提升1500V系统稳定性。电动汽车规模化并网研...
通过深度学习和混合安全模型缓解智能信息物理电力系统的网络风险
Mitigating Cyber Risks in Smart Cyber-Physical Power Systems Through Deep Learning
M. A. S. P. Dayarathne · M. S. M. Jayathilaka · R. M. V. A. Bandara · V. Logeeshan 等6人 · IEEE Access · 2025年1月
智能电网中可再生能源集成的兴起带来新网络安全挑战，促使本研究检验智能信息物理电力系统CPPS的脆弱性。风能和太阳能等可再生能源集成到智能电网因其分散和可变特性带来运行风险，特别是在实时监控和控制所需的通信层内。虽然可再生能源集成增加不直接影响网络安全脆弱性，但主要挑战源于其分散性。解决这种分散需要在供需之间使用网络层，为电力系统控制和通信系统引入网络威胁脆弱性。这些层易受虚假数据注入FDI、拒绝服务DoS和重放攻击等多样化网络攻击，可能危及电网稳定性和安全性。为应对这些风险，研究提出混合方法，集...
解读: 该网络安全技术对阳光电源智慧能源平台安全防护至关重要。阳光iSolarCloud云平台连接海量光伏储能设备，面临虚假数据注入和拒绝服务等网络攻击威胁。该研究的深度学习异常检测方法可集成到阳光云平台安全体系，实现实时威胁识别和防御。在电网侧储能场景下，网络攻击可能导致储能系统误动作，影响电网稳定。该C...