基于改进ICP算法的变电站设备三维识别方法研究

针对现有变电站设备三维识别方法在实际应用中存在的准确率差和效率低等问题,提出一种结合改进迭代最近点算法和Umeyama算法的变电站设备三维识别方法。通过随机采样一致性算法提取设备平面特征,Umeyama算法在模板库中找出平面特征最相似的几个设备,根据点云曲率特征提取设备点云关键点,再通过改进迭代最近点算法对设备进行识别。通过实验对其性能进行分析。结果表明,所提方法对智能变电站设备进行三维识别有较好的识别准确率和效率,识别准确率为99.50%,平均识别时间为2.07s,有效地提高了三维识别技术的综合性能。     

一种基于国密算法和物理不克隆函数的安全并行总线

传统安全总线的安全机制一般采用固定存储密钥和国际密码算法,这种方式存在不可控因素和密钥被侵入攻击的安全风险,针对传统总线传输存在的风险问题,提出一种基于国密算法和物理不克隆函数的安全并行总线,该总线设计了一种环形振荡器物理不克隆函数和密钥生成机制,将物理不克隆函数结合随机数发生器由SM3密码算法生成密钥,采用国密SM4密码算法对总线上传输的数据进行加密,加密时为了安全因素采用随机数对明文进行填充,保证了总线数据传输的安全性。通过该安全机制实现的总线,能有效抵御侵入式分析,抵抗重放攻击,解决密钥易被破解问题,保证数据安全性和机密性。最后搭建了并行总线加密仿真平台,验证了该方案的可行性。     

电力信息物理融合系统的网络-物理协同攻击

随着智能电网的发展及智能设备不断引入电力信息物理融合系统(CPPS)中,CPPS面临一种新的攻击方式--网络-物理协同攻击(CCPAS)。这种攻击方式既隐蔽又可引发连锁故障,易造成大规模停电事故。首先,阐述CPPS遭受CCPAS的基本形式,在直流潮流模型下构建考虑状态估计约束的CCPAS模型。然后,探讨CCPAS的机理,以攻击者的角度分析规避状态估计监测后最大范围的攻击,分析CCPAS情景下CPPS的脆弱线路。最后,以IEEE 14、118节点系统为例,通过仿真计算验证模型的有效性、适用性,对比分析考虑状态估计约束后物理攻击的限制。     

基于函数挖掘的能源信息物理系统数据安全风险识别算法

数据安全风险评估对于能源信息物理系统安全稳定运行至关重要。现有的从二次设备、信息等角度来分析数据安全风险已经无法满足能源信息物理系统广泛的能源接入和各能源之间的能量、信息交互需求。首先提出基于粗糙集的数据安全风险要素特征选择算法,对影响能源信息物理系统中数据的安全风险特征集进行特征选择,降低能源信息物理系统数据安全风险要素集的维度;在此基础上,利用基因表达式编程（gene expression programming, GEP）的函数挖掘特性,提出基于混合GEP的能源信息物理系统数据安全风险识别算法,通过设计小生境种群生成策略以及动态自适应变异概率动态调整策略来提高数据安全风险识别的准确率和效率。仿真实验结果表明,所提算法对于复杂高维的能源信息物理系统数据安全风险集的识别和预测具有较高的准确率和较强的实用性,可为下一步制定能源信息物理系统数据安全防护策略提供理论方法支撑。     

基于深度强化学习的多阶段信息物理协同拓扑攻击方法

随着智能电网的发展及通信设备不断引入到信息物理系统(cyber physical system,CPS)中,CPS正面临一种破坏性更强的新型攻击方式——信息物理协同攻击(coordinated cyber physical attack,CCPA),其隐蔽性与威胁性易导致系统出现级联故障。首先,基于攻击者的视角,提出一种多阶段信息物理协同拓扑攻击模型,单阶段的物理攻击使线路中断,双阶段的网络攻击分别用来掩盖物理攻击的断开线路和制造一条新的虚假断开线路。其次,结合深度强化学习(deep reinforcement learning,DRL)理论,提出一种基于深度Q网络(deep Q-network,DQN)的最小攻击资源确定方法。然后,给出攻击者考虑上层最大化物理攻击效果和下层最小化攻击代价的具体模型及求解方法。最后,以IEEE 30节点系统为例,验证了所提多阶段攻击模型的有效性。仿真结果表明,多阶段信息物理协同拓扑攻击较单一攻击更加隐蔽且有效,对电网的破坏程度更大,为防御此类攻击提供了参考。     

基于Mask R-CNN实例分割的机械零件识别方法研究

零件识别是机械部件装配、装箱的重要基础,人工识别效率低,传统机器视觉检测要求高、场景单一.提出一种基于深度学习机器视觉的机械零件识别方法,通过加入PointRend模块提升原始Mask R-CNN实例分割模型的检测精度;针对相似度高零件设计类别细分方法,通过尺寸估算与特征匹配,较好地解决由于数据增强图像缩放造成的尺寸特征丢失问题.采集25种不同零件进行识别实验,结果表明,该方法可有效提升机械零件的识别准确率,算法对相似零件识别准确率达100％,较原始Mask R-CNN方法提升11.51％.并且该方法可推广到其他具有相似特征目标的识别任务中.     

基于 DMS系统的配网开环点自动识别方法研究

开环点数量多、位置变化频繁,给配网调度带来较大的管理压力,以目前人工确认、记录及定期更新报表的方式进行管理,不仅工作效率低,而且准确率也低,无法适应现有配网集约化调度模式。文章基于DMS系统开发配网开环点自动识别及管理模块,实现自动识别开环点位置,自动记录相关操作信息,并自动生成及导出报表,以实现对开环点的变化管理,从根本上解决人工参与该过程带来的运行风险高和效率低下问题。     

基于XGBoost算法的智能电网信息攻击识别模型

智能电网在遭受信息攻击后,如何根据量测数据的变化规律,准确识别电力系统遭受的攻击类型是提高电网安全防御的有效手段,本文提出一种基于Extreme Gradient Boosting (XGBoost)算法的智能电网信息攻击识别模型。首先,基于kmeans-smote设计电力数据过采样方法,对量测数据进行平衡处理,解决攻击事件样本的不平衡问题。然后,提出最大相关-最小冗余(MRMR)特征选择方法,提取信息攻击事件最优表征特征子集,降低数据维度并提升信息攻击的识别效率。最后,设计XGBoost分类器,对3种攻击状态和正常状态进行分类识别,采用准确率、召回率等指标评估模型的识别性能。经仿真实验验证,本文提出的信息攻击识别模型显著提升了智能电网信息攻击的识别精度,且具有较好的泛化性。     

基于FPGA加速的行为识别算法研究

为提高行为识别算法的实时性,适用于资源有限的嵌入式设备,提出了一种行为识别算法硬件加速方法,并在FPGA平台实现。传统的基于可穿戴传感器的行为识别算法需要严格标记的数据进行训练分类,但传感器序列的标注过程消耗大量的人力和计算资源,针对该问题,在传统的卷积神经网络模型中引入注意力机制,用于基于弱标签数据的行为识别。算法中的卷积、池化和注意力机制等计算模块使用高层次综合设计。针对模型的运算特性,通过流水线约束、多像素多通道并行计算和数据定点化等方法,提升运算速度。在Ultra96_V2平台上使用弱标签数据集进行实验,实验结果表明：所设计的行为识别系统识别准确率达到了90%的同时,计算速度达到25.89frams/s,相较于ARM_A53处理器实现了54.15倍的加速效果。系统的平均功耗为2.204W,功耗效率为11.75 frames/J,满足了低功耗、低延时设计要求。     

基于机器学习的电力调度SCADA系统信号自动识别研究

为解决传统电力调度人工信息联调工作量大、费时耗力的问题,通过融合AI控制鼠标操作轨迹智能构建、电网模型数据信息一致性核验、数据采集与监视控制(SCADA)系统文字自动训练、SCADA告警信息识别、SCADA电力设备图像辨识等,提出一种基于机器学习的电力调度SCADA系统信号自动识别技术并进行应用验证,结果表明该技术的识别效率和准确率均高于人工判别,解决了人工易遗漏、易出错的状态,有效保障了电网运行的安全。     

考虑信息动态表达的异常用电模式识别云边协同方法

异常用电识别是用电稽查、计量装置运行状态辨识的重要内容,对维护电网的安全运行和保障正常用户权益有重要的意义。已有方法为了识别用户的多元用电模式,在保证识别准确性的基础上容易造成计算过于复杂的问题,而考虑效率的简单计算方法又难以准确度量不同用电模式的相似性,因此难以兼顾计算效率与准确性;此外,将用电数据上传至云端集中计算会占用大量的网络带宽和计算资源,进一步限制了异常辨识的应用。为此,提出了一种考虑信息动态表达的异常用电模式识别云边协同方法。根据边缘端和云端的计算资源合理分配协作任务,实现了异常用电的云边协同识别。针对边缘服务器算力有限的问题,对用电数据进行动态压缩重表达,在缩减数据量的同时保证数据信息的准确性。云端在收到压缩数据后以分段加权动态时间规整距离作为压缩数据相似性度量的依据,基于自适应参数选择的密度聚类算法识别异常用电。基于实际数据集验证了所提方法的有效性。     

基于负荷获取和匹配潮流方法的配电网理论线损计算

提出了一种适用于任意自动化配置的配电网理论线损计算方法.分析了传统方法的假设条件对结果的影响后,指出合理地获取负荷和基于该负荷的潮流计算是准确计算线损的关键.首先将配电网负荷和支路信息分为5种类型,通过支路信息可以将原网络分解为若干个等效网络,从而降低负荷获取的复杂性,提高获取精度:其次为无自动化量测的负荷用户设置的假设条件也最大限度地满足工程需求,最后将所有获取负荷的计算统一为期望负荷分配因子和期望负荷的计算.根据不同置信度的期望负荷为配电网匹配潮流提供负荷数据,在进一步利用冗余信息修正负荷的基础上,得到了理论线损计算结果.算例结果表明,该方法能够为运行人员提供更加精确和全面的线损信息.     

Maximum power point tracking without current sensor for photovoltaic module integrated converter using Zigbee wireless network

In this paper, a simple maximum power point tracking method for series-connected DC–DC converter module of photovoltaic power conditioning systems is proposed. This approach enables maximum power point tracking control with the converter’s output voltage information instead of calculating solar array power, which significantly simplifies the sensor network by removing any current sensor. Furthermore, there is no multiplication process of power calculation for perturbation-and-observation algorithm to track the maximum power point because the power calculation is replaced by simple output voltage sensing. This simple tracker realization can reduce the cost and size, and can be utilized with a low performance/low cost controller. For the implementation of the proposed control strategy, Zigbee (Xbee-pro) wireless communications and DSP’s Series Communications Interface are utilized. Then, a couple of series-connected hardware prototype of photovoltaic modules was built and tested for the performance evaluation.     

基于2阶Hann自卷积窗的谐波电能高精度量测方法研究与实现

分布式光伏发电根据全发电量进行补贴,无法约束其并网对配电网造成的高频次谐波污染和电压波动等电能质量问题。电能谐波含量是体现分布式光伏电能质量的因素之一,可作为并网电能定价的参考依据。为了对分布式光伏谐波电能进行准确计量和快速计算,基于ZYNQ实现了2阶Hann自卷积窗及其双谱线插值校正算法,设计了一种最低运算资源的顺序型谐波计算结构,在其基础上优化设计了一种多级流水线型的谐波计算结构,大幅提升了加窗插值FFT的实时计算效率;在模拟ADC量化的条件下,对2阶Hann自卷积窗及其双谱线插值校正算法的谐波分析效果进行仿真,提供了ADC位数、采样点数N与算法选择的思路,在此基础上设计了基于ZYNQ与LTC2358的谐波量测装置硬件架构。实验与测试结果表明,该分布式光伏谐波电能表的基本误差、频率偏移误差测试满足C级静止式有功电能表标准与0.5S级无功测量仪表检定标准。此外,3~21次谐波测量误差结果显示该装置的准确度满足A级谐波测量仪表检定标准。     

电力系统潮流的自动计算方法

提出一个实用的电力系统潮流自动计算与分析方法,可以实现对年度逐小时电力系统潮流自动计算,其主要特点和功能包括:开发了具有变量范围约束的电力系统潮流算法,可满足潮流自动计算的要求,是实现潮流自动计算的关键算法;运用生产模拟和随机生产模拟方法,给出确定与逐小时负荷水平相应的机组出力及开停机安排的自动发电计划算法。运用该方法构建了潮流自动计算分析系统,并给出了实现潮流自动计算的实例。所提出的算法的收敛性、稳定性较好,能够满足实际计算的要求,可以快捷、准确、高效地开展系统运行分析。     

基于关键点检测的指针仪表读数算法

通过摄像头实现指针式仪表自动读数时易受复杂环境、摄像头不同角度等因素影响,而且在实际的应用中难以均衡检测速度和检测精度,为此,文章提出一种基于关键点检测的指针仪表读数算法。以ResNet18为主干网络,摒弃了最后两个阶段的残差块以及之后的全连接层,并针对指针仪表表盘的特点设计了一个轻量级特征融合网络,同时引入提高模型性能的姿态修正机(pose refine machine, PRM)。最后利用得到的表盘圆心、零刻度线、当前指针刻度3个关键点信息,通过角度法完成读数计算。实验结果表明,本文算法读数误差仅为0.506%,速度可达53 fps,相比于传统算法具有较高的精确度;相比于其他同类算法,在拥有更少参数量与运算复杂度的情况下,仍能实现对指针关键点的高准确度预测,充分证明所提算法的有效性。     

无线传感器网络抗Sybil攻击的MPRR-RSSI定位算法

无线传感器网络技术近年来发展非常迅猛,然而实际通信环境非常复杂,而且充满攻击和对抗,网络节点的正确位置信息是构建系统、维护网络、目标跟踪和事件定位等关键技术实现的基础,定位的安全性至关重要。着重研究了基于接收信号强度指示(RSSI)原理抗女巫攻击的无线传感网络安全定位系统的编码技术和定位方法,并对相关算法进行了仿真分析。通过结果可知,改进后的编码和定位算法结构相对简单,对系统的硬件依赖小,抗攻击能力提高。