找到 2 条结果
配电网络中保护隐私的线路断电检测：一种高效且性能无损的方法
Privacy-Preserving Line Outage Detection in Distribution Grids: An Efficient Approach With Uncompromised Performance
Chenhan Xiao · Yizheng Liao · Yang Weng · IEEE Transactions on Power Systems · 2024年6月
近期研究进展表明，利用电压和功率数据等传感器测量值来识别配电网中的线路故障是有效的。然而，这些测量值可能会将电力用户的敏感信息（如家庭居住情况和经济状况）泄露给对手，从而无意中给电力用户带来隐私风险。为保护原始数据不直接暴露给第三方对手，本文提出了一种新颖的分布式数据加密方案。通过研究高斯差分隐私，证明了该加密策略的差分隐私属性，从而验证了其有效性。鉴于原始数据加密可能会影响故障检测的有效性，本文通过研究线路故障前后数据分布之间的库尔贝克 - 莱布勒散度来分析性能下降情况。通过这种分析，我们可以...
解读: 该隐私保护线路断电检测技术对阳光电源的储能和光伏产品线具有重要应用价值。可集成至ST系列储能变流器和SG系列光伏逆变器的控制系统中,通过安全多方计算实现分布式设备间的数据协同分析。这将增强iSolarCloud平台的智能运维能力,在保护用户数据隐私的同时提升故障诊断效率。特别是在大型储能电站和工商业...
性能保证的深度学习在动态智能电网网络攻击检测中的应用
Performance Guaranteed Deep Learning for Detection of Cyber-Attacks in Dynamic Smart Grids
Mostafa Mohammadpourfard · Chenhan Xiao · Yang Weng · IEEE Transactions on Power Systems · 2025年6月
虚假数据注入攻击（FDIA）对电力系统的可靠性构成了严重威胁，尤其是在诸如线路故障等动态运行条件下，这些情况会导致数据分布发生变化并出现概念漂移。传统的监督式方法依赖于带标签的数据集，这成本高昂且不适用于实时应用，并且在没有大量重新训练的情况下，往往无法适应新的攻击向量和运行变化。为应对这些挑战，我们设计了深度对比变分网络（DCVN），这是一个无监督学习框架，旨在无需带标签的数据或对网络拓扑进行假设的情况下检测FDIA。DCVN框架首先使用深度信念网络（DBN）从原始电力系统数据中进行稳健的特征...
解读: 该深度学习检测方法对阳光电源的储能和光伏产品安全性提升具有重要价值。可直接应用于ST储能系统和SG光伏逆变器的网络安全防护,特别是在大型储能电站和光伏电站的动态运行场景中。通过在iSolarCloud平台集成该检测算法,可提升PowerTitan等大型储能系统的运行可靠性,有效防范数据篡改导致的误操...