面向云计算应用的用电负荷数据差分隐私保护方法

随着云计算技术的发展,用户可以利用公共计算资源低成本、高效率地完成机器学习等大数据分析业务,但在提升计算效率和经济效益的同时,也面临隐私泄露风险。针对以机器学习即服务为代表的云计算中潜藏的用电负荷数据泄露问题,提出了一种差分隐私保护框架下基于时序生成对抗网络的用电负荷数据脱敏方法,通过使用满足差分隐私的脱敏合成数据替代原始敏感数据,从而有效阻止攻击者根据窃取的训练数据推断真实的敏感信息。引入瑞利差分隐私机制,在保留负荷数据统计学特征的前提下去除个体特征;在此基础上,采用循环神经网络作为生成对抗网络的生成器和判别器,捕获负荷数据的动态时间特性;同时,将自编码器与生成对抗网络相结合,进一步挖掘负荷数据的静态特征。通过理论推导证明了所提方法能够满足差分隐私要求,且可以对总隐私预算进行量化。数值实验结果表明,所提方法能保证隐私保护处理后用电负荷数据的隐私性和可用性。     

差分隐私保护下面向海量用户的用电数据聚类分析

智能电表实现了对用户用电信息全方位实时收集,使得对用户用电行为精准聚类分析成为了可能,然而在分析过程中易泄露用户信息。为此,提出了一种差分隐私保护下用户用电数据聚类分析的方法,该方法运用两阶段隐私保护聚类技术解决精准分析与隐私保护不能并存的矛盾。两阶段聚类采用了分布式的思想,包括局部聚类和全局聚类两部分。局部聚类采用了隐私保护下的自适应K-means算法对智能电表采集的原始用户用电数据进行初次聚类;全局聚类设计一种新的基于密度和层次思想的聚类算法用于对初次聚类结果进行二次优化聚类。相关实验表明了该方法的有效性。     

智能电网中具有隐私保护功能的聚合方案

智能电网集成了通信网络,并设有智能电表等远程终端,使得电网控制中心与远程终端之间能够双向通信,实现了电能的优化传输与配送。然而智能电网实时采集数据的汇聚效应会导致网络拥塞,并带来用户的隐私保护问题。结合智能电网中网络与设备的特点以及隐私保护与安全需求,基于假名、同态加密和基于身份的聚合签名技术,本文提出了一个智能电网通信中的聚合方案,解决了远程终端向电网控制中心发送海量数据的隐私保护与安全通信问题。经过安全性与性能分析,本文方案满足智能电网通信的安全性与性能需求。     

基于经验模态分解与同态加密的用电数据隐私保护

智能电网利用大量的用户用电数据实现电网负荷平衡和电力供应调整,但用电信息的采集过程面临泄露用户隐私的风险。针对该问题提出了一种基于经验模态分解(empirical mode decomposition,EMD)与同态加密的用电数据隐私保护方法。首先采用经验模态分解方法将用户L_1原始用电数据分解为不同时间尺度的局部特征分量C_1,C_2,…,C_d。然后采用用户L_2,…,L_d的公钥pub_2,…,pub_d对C_2,…,C_d分别进行同态加密,并将加密结果发送给数据聚合器。数据聚合器将用户L_1公钥加密后的所有其他用户数据相加,并将结果发送给用户L_1。接下来用户L_1将接收到的结果用自己的私钥解密,并与C_1相加求和。用户L_1将结果用自己私钥签名发送到控制中心,控制中心采用用户L_1公钥验证结果的真实性。其他用户与用户L_1做法相同。最后控制中心将验证后的所有用户结果相加,得到某个时刻所有用户总用电量,而无法获得每个用户的原始用电数据,从而起到隐私保护作用。为了验证所提方法的有效性,利用爱尔兰电力公司的智能电表数据进行仿真实验;实验结果表明,所提出的方法能够有效地保护用户用电数据的隐私。     

一种智能电表的安全通信方案

在智能电网中,智能电表发送的用电信息可能被窃听,从而导致用户隐私的泄露。为解决该问题,文章提出一种智能电表安全通信方案。该方案基于对称加密算法,其主要安全特性包括设备认证、数据机密性和完整性,并通过安全数据聚合保护用户隐私。经过安全性分析表明,该方案可以达到智能电表通信的安全需求并抵抗常见的安全威胁。     

一种智能电网中具有隐私保护的数据收集方案

与传统电网不同,智能电网通过智能终端使用户与电网公司间形成即时连接的网络,实现双向、高速的数据传输和信息控制,以及实时的参数采样。然而,频繁的数据采集在满足实时管理的同时也带来了用户敏感信息泄露的问题。文章以盲签名技术为基础,结合密钥分配方案提出了一种有效的具有隐私保护能力的数据收集方案,该方案可将用户的用电数据匿名通过楼宇网关传递给本地聚合器。性能分析结果表明,该方案可以保护用户的隐私数据,而且计算量较小。     

智能电网用户侧信息隐私保护方法的研究与应用*

在智能电网的不断建设和发展过程中积累了大量的基础用电数据,这些数据不仅具有海量、高频、分散等特点,是时空、动态、关系等性质复杂的数据,而且数据之间存在关联性和相似性。因此,传统的隐私保护方法对电力数据保护会有较大的信息损失,时间损耗,基于数据分类处理的思想,提出支持多属性泛化的随机化的隐私保护方法对电力信息数据进行分级保护,将准标识符属性按照自底向上支持多属性泛化的算法处理,敏感属性进行随机化算法处理,生成保护后的新数据表。通过与广泛应用的MBF算法,GASCG算法进行实验比较得出结论,该方法可以极大的提高隐私保护的效率降低个人信息的损失并且数据的效用性大大提高。     

智能电网中面向安全计量的数据聚合方案

针对现有的大部分学者主要关注用电数据的安全性而忽略了数据的可用性,而在实际电力系统的应用中大部分只关注数据的可用性而忽视了数据安全性的问题,基于门限ElGamal同态加密和动态加密提出了一种面向安全计量的数据聚合方案。本方案既能保护智能电能表数据的安全性,同时由于扩展数据聚合的层次,提高了数据可用性,又便于电网运营人员对社区用电情况进行分析。通过与其他电能安全计量方案对比分析,该方案能够在保护用户隐私的前提下保证电网运营人员能够对用户用电需求进行了解,这将有助于电力负荷预测。     

基于改进Adaboost-BP算法的用电行为大数据分析

在智能电网的构建中,电网与居民用电信息的交互主要由用户侧安装的智能监测和计量设备提供。智能设备数量随电网建设扩大完善而不断增长,其记录的用电信息将构成规模庞大、结构多元、类型复杂的用户侧电力大数据,挖掘电力大数据背后隐藏的电力信息是智能电网建设的重要内容。非侵入式负荷监测技术相比于传统电力数据分析,一方面保护了用户的用能隐私,另一方面能够完成对负荷更详细的特征辨识。主要通过非侵入式负荷监测技术结合数据挖掘手段研究居民用电大数据,并准确快速地预测负荷类型和分析居民用电行为。首先设计基于滑动窗口电器投切探测算法,之后介绍机器学习领域中的经典算法Adaboost和BP神经网络,设计了用于居民负荷特征识别和分类的Adaboost-BP改进算法并提出相关标准。算例从BLUED数据库中提取居民用电功率和电流序列,通过滑动窗口算法提取功率序列探测电器投切情况,将libSVM算法、BP神经网络和Adaboost-BP改进算法进行负荷分类测试。测试结果验证了改进算法能够有效提升大量数据样本下对负荷的识别精度并正确分类,同时分类速度快,适用于居民用电行为在线分析的场景。     

基于高级量测体系的用电器分类测量终端的设计

基于目前智能电网提出的高级量测体系(AMI),运用智能插座来实时采集用电器的电量信息,在满足用户用电需求的前提下,用户可以通过智能量测终端对居室内的各种电器进行调配控制,从而实现了智能用电。本文设计了一种基于电力线载波通信技术的用电器分类测量终端,给出了系统的解决方案,论证了未来家电实现智能化的可行性。     

基于动态时间规整的智能电网边缘用电数据去重技术

智能电网的边缘终端设备会产生大量的时序数据,该数据对电网的智能化运营具有重要意义。为保护数据的隐私性、降低对传输带宽和时延的要求,数据往往需要本地化存储。由于电气设备的规律性,使得产生的时序数据具有很大的冗余性,这为边缘设备数据存储面临的挑战提供了解决方案。本文提出了一种基于动态时间规整的数据去重方法,该方法通过计算数据之间的相似性,从而消除数据冗余、达到数据去重的目的。最后,基于智能电网的真实采样数据对所提出的数据去重技术在边缘计算安全防护系统中的效果进行了分析验证。     

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。     

基于高级量测体系的用电信息数据分类与采集

指出高级量测体系是智能电网实现互动的关键,而对电力用户的用电信息数据采集则是互动的基础。简单介绍了高级量测体系的结构与功能,分析了它与用电信息采集系统的差异,并在用电信息采集系统的用户和数据类型基础上,对高级量测体系采集的用电信息作了用户侧和电网公司侧的分类,阐述了不同数据类型对电网公司和不同用户的作用,最后总结归纳了高级量测体系的用电信息数据采集流程。研究内容为分析高级量测体系采集的用电信息对电网和用户产生的不同影响起到一定的铺垫作用。     

电力物联网用户用电信息全过程管理风险评估

为明确电力物联网用户用电信息风险管理的重点,首先结合电力物联网主要技术,对电力物联网用户用电信息从获取到应用全过程管理的风险因素进行识别;然后,对风险因素重要程度和用户用电信息全过程管理环节的风险重要程度进行评估,确定用户用电信息全过程管理的重点风险和环节。研究表明,在全部风险因素中,应重点防控数据窃取、智能终端网络攻击、数据篡改等6大风险;在电力物联网用户用电信息采集到应用的全过程管理中,应重点对用户用电信息采集环节和应用环节进行管理。     

电力系统敏感数据全生命周期安全风险分析

智能电网业务应用敏感数据在产生、存储、使用、传输以及销毁等各个环节中都存在着被泄漏的风险,分析智能电网信息安全风险是电力行业信息安全的重要工作。文章通过对电力系统常用网络架构下的敏感数据全生命周期进行研究,发现并分析各个生命周期阶段的安全风险,并对各个安全风险进行了详细的分析,对全生命周期的电力系统敏感数据安全防护策略和模型的研究起到很好的参考和借鉴作用。     

基于多维特征分析的链式电网短期用电量预测研究

针对链式电网短期用电量既具有波动性,又具有非线性特征,导致用电量预测精度低的问题,进行了基于多维特征分析的链式电网短期用电量预测研究。结合组织映射电网与实际环境,借助多维特征分析方法从非平稳随机序列中提取趋势变量和周期变量。通过计算用户多维特征评价结果,能够构建用户多维度用电特征集合,依据该集合分类多维用电特征集,分别为电模式特征和辅助用户特征,通过这些特征能够获取时间序列关键性信息,构建多维特征分析下用电量预测模型,获取整体数据流转情况,完成链式电网短期用电量预测。通过实验研究结果可知,该方法预测效果较好,相比于以往方法能显著提高预测精准度。     

面向多元能源互联的天津生态城智能电网创新示范区建设

能源革命和第三次工业革命的发展对智能电网在能源互联和信息互通方面提出了更高的要求。基于天津生态城智能电网创新示范区建设,面向未来电网发展形态,深入分析智能电网发展需求,设计可持续发展的智能电网创新架构,提出基于虚拟电厂和能效电厂的能源互联网规划方案,提出基于大数据和信息广泛互联的智慧能源信息服务体系架构,以提高社会的参与度和居民感知度为目标,提出智能电网建设模式、运营模式、服务模式和交易模式,充分发挥智能电网的平台效应,并从根本上改变智慧城市的生产和生活方式。