基于改进生成对抗网络的虚假数据注入攻击检测方法

随着新型能源互联网的发展,大规模的传感量测系统为基于数据驱动的虚假数据注入攻击检测方法提供了数据支持,然而攻击样本数据不平衡问题会影响此类方法的性能。提出了基于改进生成对抗网络(generative adversarial network, GAN)和极端随机树的数据重平衡攻击检测模型。首先,为了生成高质量数据,设计GAN的结构使其训练稳定;其次,使用Copula函数构建电力系统状态量之间的空间关联性以适应分布式能源的接入;然后,对改进的GAN进行对抗训练得到重平衡的数据集,采用极端随机树分类器实现攻击检测。此外,设计基于多种分类器的数据有效性指标评估生成数据的质量。通过对比实验对所提方法进行验证,结果表明该方法能生成高质量的量测数据,可以有效解决数据不平衡问题,攻击检测率达98.95%。     

基于FPGA的瞬态响应测试仪的设计与实现

为提高瞬态响应测试仪的测量精度和响应速度,提出了一种基于现场可编程门阵列(FPGA)实现的设计方法.系统设计采用Xilinx公司生产的Xilinx Spartan 3E XC3S500E PQ208 FPGA作为控制核心,实现了对瞬态响应的峰值时间、超调量及调节时间的精确测量,并且能较准确地绘制二阶系统的瞬态响应曲线.系统显示模块采用VGA显示,既节约了IO口资源,又可以更加逼真地显示相应曲线.系统可通过模拟开关实现单脉冲信号的输出,并扩展了语音提示功能,使用更方便.实际测试表明,系统具有运行稳定、参数测量精度高、抗干扰强及响应速度快的优点.     

基于改进等效电流量测变换的状态估计算法

介绍了基于等效电流量测变换的状态估计算法,并在此基础上提出了一种改进算法.应用抗差估计的理论构造了一组权函数,在每次迭代的过程中对权重不断修改,从而达到提高估计精度的目的.Matlab仿真实验结果表明,估计精度得到了提高.     

一种基于DBN的网络入侵检测算法

针对传统BP神经网络在检测速度、精度、复杂度等方面的缺陷,提出了一种基于深度信念网（deepbeliefnets,DBN）的网络入侵检测算法,将数据通过双层RBM结构降维,再用BP神经网络反向微调结构参数,从而简化了数据复杂度,减少了BP神经网络的计算量．通过对KDD99数据集仿真实验表明,该算法对于大数据拟合快,检测精度较高．     

基于BP神经网络锅炉炉膛火焰可视化监测方法研究

为了可视化监测炉膛火焰燃烧状况,提出一种基于级联前向BP神经网络模型的锅炉炉膛火焰可视化监测方法。通过比较选取级联前向BP神经网络作为炉膛温度预测模型,利用图像处理技术得到炉膛火焰辐射能图像对应二维温度场,并采用正则化方法重建炉膛火焰三维温度场。仿真结果表明,根据二维温度场可得火焰等温线走向和分布,根据三维温度场易得火焰中心分布及全炉最高温度点信息,实现锅炉运行控制和异常温度报警,满足燃烧诊断要求并实现炉膛火焰可视化监测。     

基于FPGA的数字信号传输性能分析仪的设计与实现

系统采用ALTERA公司生产的EP3C25Q240C8现场可编程门阵列作为控制核心,以PS2键盘输入曼彻斯特编码时钟频率和改进型计数方式,实现了数据率10~1×106b/s的连续可调.此外,在数字信号分析部分实现了曼彻斯特编码同步时钟信号的提取,实时刷新所提取的同步时钟信号可以用来触发叠加噪音后的曼彻斯特编码.眼图显示采用数字示波器,并可通过观察眼图来分析信道传输性能.经测试表明,系统能准确地显示眼图.     

基于BP神经网络的智能台区识别方法研究北大核心

为方便普查用户台区和相位信息,特别是解决跨台区用户信息识别难题,提出一种基于BP神经网络的智能台区用户信息识别方法并研制了该系统。系统由识别器和手持器两部分组成,通信方式采用电力载波通信技术,对于垮台区用户,依据系统和已识别用户之间的通信信号品质,选取隐藏层节点数为6的前向BP神经网络作为跨台区用户识别模型进行识别。MATLAB仿真和实际测试结果表明:该方法可有效解决跨台区通信串扰难题,能够智能识别用户台区和相位信息,同时具有识别准确性高、容差性能较好的优点,对提高台区用户信息识别准确性,减少工作量降低成本,具有重要意义。     

太阳能供电系统的多目标优化设计方法研究

为合理设计太阳能供电系统的蓄电池和太阳电池板阵列,提出一种综合考虑阵列经济性及供电可靠性的多目标优化设计方法。基于蓄电池充放电特性和太阳电池板发电特性,结合负载供电需求和蓄电池及太阳电池板成本,利用蓄电池温度修正系数、放电深度、充电效率和太阳能日辐射量及斜面修正系数,综合考虑两次最长连续阴雨天数及其最短间隔天数等,提出了评价阵列经济性的阵列总价和评价阵列供电可靠性的潜在故障概率,并进一步提出了综合评价阵列经济性和供电可靠性的阵列综合系数,从而确定经济可靠综合性能最优的蓄电池和太阳电池板阵列设计方案。     

基于BP神经网络的智能台区识别方法研究

为方便普查用户台区和相位信息,特别是解决跨台区用户信息识别难题,提出一种基于BP神经网络的智能台区用户信息识别方法并研制了该系统。系统由识别器和手持器两部分组成,通信方式采用电力载波通信技术,对于垮台区用户,依据系统和已识别用户之间的通信信号品质,选取隐藏层节点数为6的前向BP神经网络作为跨台区用户识别模型进行识别。MATLAB仿真和实际测试结果表明:该方法可有效解决跨台区通信串扰难题,能够智能识别用户台区和相位信息,同时具有识别准确性高、容差性能较好的优点,对提高台区用户信息识别准确性,减少工作量降低成本,具有重要意义。