基于属性基加密与阈值秘密共享的智能电表密钥管理方法

智能电表是计量自动化中作为电力公司与用户之间计费的一种重要计量设备,而传统智能电表密钥管理方法存在效率低、通信量大且易受网络攻击等问题。为此,提出了一种基于属性基加密与阈值秘密共享的智能电表密钥管理方法。首先,采用组认证对智能电表的身份进行认证,减少了一对一认证的通信次数。然后,抄表过程中进行身份认证时采用(t,n)-阈值秘密共享技术,并且在密钥生成过程中采用属性基加密技术,以隐藏访问结构,避免智能电表信息泄露。最后,针对网络存在多种安全威胁,利用大数据技术对网络攻击类型进行挖掘,以快速识别恶意攻击者。将提出的方法进行仿真实验以验证其有效性,仿真结果表明,相比其他技术,提出的方法显著降低了系统存储负担,提高了通信效率,且识别恶意参与者耗时短,从而保证了密钥管理的安全性。     

基于边缘计算与MapReduce的智能量测终端数据处理方法

针对电力物联网中海量信息数据处理时,对大型数据集的访问可能会造成智能量测终端（边缘节点）与云化主站之间的网络拥塞和操作延迟等问题,提出了一种面向智能量测终端的边缘计算结合MapReduce的数据块处理方法。首先,整合云-管-边-端各层次功能和特性,对智能量测终端处的边缘计算服务器进行合理配置;其次,利用支持块复制方法,将本地、基于分区和多归属块副本存储到各自的智能量测终端,以解决访问聚合MapReduce大型数据集的网络拥塞并减少操作延迟。最后设置了边缘计算数据块处理的安全策略,合理配置了数据通讯网关,整合安全防护流程,加强了数据块处理的安全性。     

基于深度信念网络与数据聚合模型的智能电表数据异常检测方法

针对智能电网中广泛应用的智能电表(smart meters,SM)可能在测量和监视电能消耗的过程中遭受的多种网络攻击的问题,提出了一种新的异常模式检测框架,以防止智能电表的能源欺诈。所提方法首先基于智能电表向智能配变终端发送用户的用电特征数据,采用分布式数据模型对数据进行聚合,以更好地解决用户隐私保护问题;然后利用深度信念网络(deep belief network,DBN)将得到的数据与期望数据进行对比,以更好地获取数据特征,并对训练结果进行自上而下的特征优化;最后,通过智能配变终端将集群中的智能电表从1到N进行标记,并将执行数据经过深度信念网络提取特征传送至电表数据计量管理系统(meter data management system,MDMS),检查并更换故障或受损的智能电表,以获得更精确的非专业技术损失检测分析。实验结果表明,所提方法相对于传统智能电表数据异常检测具有更高的检测率和适用性。     

低压电力线宽带载波通信系统发射端物理层的实现

文章分析了载波通信的现状,以及宽带载波测量的关键因素。研究了低压电力线宽带载波通信系统物理层发射端的结构,该物理层发射端由信道编码、星座映射、IFFT、循环前缀与加窗、正交调制和加前导等模块构成,针对上述模块从算法实现的角度进行了分析研究。文章对Turbo交织模块、编码模块、IFFT模块等关键模块的FPGA实现方案进行了详细介绍和分析。该实现方案对宽带载波标准信号生成设备研发具有一定的指导意义。。     

面向需求响应业务传输的预编码优化技术

随着需求侧管理领域的快速发展和信息化水平的提升,越来越多的需求响应(demand response,DR)终端将会接入电网。作为靠近用户的末端设备,现有的需求响应终端在信息处理方面还具有很大的提升空间。本文梳理现有的DR业务,基于现有的时空编码(space time coding,STC)编码技术原理,提出了一种改进型多流STC预编码方案(preSTC-MC),通过引入在破零均衡后置的均衡补偿系数,改善DR业务传输通道,并对其BER和算法的时延开销进行了分析。结果表明,preSTC-MC方法在计算过程中并未引入过多的计算开销,但在相同SNR的条件下表现出较好的性能。     

稀疏自动编码器在多维电能计量误差预测中的应用

对电力计量设备现场检定而言,目前面临的问题是如何在复杂的现场运行条件下保证检定和计量的可溯源性。为满足电力计量设备现场检定的精度需求,分析多维现场条件和电能计量设备的精确度之间的内在关系是问题的关键。在进行现场实地试验的基础上,分析了各影响因素与电能计量器具准确度之间的相关性。针对多维条件下电能计量标准器可能产生的附加误差,探讨了稀疏自动编码器预测电能计量标准器误差的可行性;采用无监督预训练和有监督微调相结合的方法完成训练过程。以大量电能计量标准器的实地测试数据作为训练样本,证明稀疏自动编码器能够有效预测多维条件下电能计量标准器的附加误差,与其他机器学习模型相比,其具有更好的训练误差和收敛速度。