基于业务效能的信息系统安全态势指标

为获取系统运行时安全态势的完整性,在现有的信息安全态势评估指标体系中引入了业务效能指标,提出了一种混合指标的信息系统安全态势评估方法。首先,基于Q·S模型构建了系统业务效能指标体系,其中包含实数型、区间型和语言型数据,并通过BECM方法获得系统的业务效能指数;其次,针对系统的安全风险态势、稳定性态势等属性导致系统整体安全态势不确定性的问题应用格蕴涵代数的语言值综合评价模型,对该文构建的指标体系进行评价,得到了完整的信息系统安全态势;最后,通过示例证明提出的信息系统安全态势评估方法具有直观可信的态势评估结果,有利于决策分析。     

基于矩阵修正方法的信息系统安全态势评估模型

针对现有信息系统安全态势评估方法准确性受专家评价偏好影响的问题,该文提出一种基于矩阵修正方法(matrix correction method, MCM)的信息系统安全态势评估模型(information system security situation assessment model, ISSSAM)。首先,在建立系统安全态势评估指标体系的基础上,修正反映指标间相对重要程度的区间判断矩阵,以提高指标层权重向量的客观性。其次,通过熵权隶属云量化计算准则层与目标层安全态势指标,并对系统的安全态势等级定级。最后,通过对国内某离港控制系统(departure control system, DCS)的评估实验,验证了本模型的有效性。实验结果表明:本模型的评估稳定性优于熵权系数法和传统层次分析法(analytic hierarchy process, AHP)。     

基于典型运行场景聚类的电力系统灵活性评估方法

以风光水为代表的可再生能源电源会增加电力系统的不确定性.为了保证高比例可再生能源电力系统的灵活运行,提出一种典型运行场景电力系统灵活性评估方法.利用改进的K-means算法,将新能源和负荷的运行场景进行聚类组合得到典型运行场景.从区域内供需平衡、区域内潮流分布和区域间输电能力3个角度提出灵活性评估指标;计算每种典型场景的灵活性评估指标,并根据每种场景的出现概率计算得到综合评估指标以评估系统的整体灵活性.最后,基于南方某地区实际新能源和负荷历史数据在改进的IEEE 39节点系统上进行电力系统灵活性评估.结果表明,该聚类方法和灵活性指标可以有效反映电力系统的灵活性.     

基于信息熵的单元化制造系统状态度量

摘要： 将描述单元化制造系统状态所需信息量分为结构熵和运行熵2种形式并予以定义;在信息熵理论基础上,构建了单元化制造系统的结构熵与运行熵函数,并对制造资源的状态认定进行说明;根据调度理论,分别建立最大可能调度时限和调度符合度模型.以实施单元化制造的某加工车间为背景,依据其在不同状态下制造资源的状态信息,实证分析并绘制了系统状态随调度变化的示意图,利用所建熵函数及调度模型对系统状态进行度量,以验证所提出方法的科学性与有效性.结果表明,通过所构建的信息熵模型,可实现对单元化制造系统状态的度量与监控,并为提高系统的运行效率提供有效途径.     

低温简单晶体摩尔熵的回归方程及人工神经网络表达

分别运用线性回归和人工神经网络方法拟合了低温状态下Cu 、Ag、Au 等三种简单晶体的熵函数,提出了这三种晶体在60 ～300K 的熵函数的回归方程式,并对几种拟合方法进行了比较。结果提示, 用熵值的自然对数作为网络的训练值所建立的人工神经网络可以较理想地拟合2 ～300K 温度区间的Cu、Ag、Au 等简单晶体的熵函数。     

城市轨道交通网络运营安全的综合评估

运营安全评估是保障轨道交通网络化安全运营的关键环节之一.基于熵权可拓物元模型提出了一种轨道交通线网运营安全评价的方法.该方法通过统计分析轨道交通线网历史运营情况,构建运营安全评价指标体系;利用数理统计划分评价指标的经典域;利用熵权模型计算指标权重;并利用可拓物元模型计算轨道交通线网的综合评价值和风险等级.研究结果表明,所构建的轨道交通线网运营风险评估的指标体系切实可行,基于熵权可拓物元模型提出的评价方法能客观有效地评估线网的运营风险.     

基于PCA-SOM的低压配网运行态势评估方法

基于低压配网自动化水平较低且现有运行态势评估方法未能涵盖配电网智能化的需求,提出了一种基于PCA-SOM的低压配网运行态势评估方法,首先利用改进的主成分分析提取低压配网运行态势评估指标并建立评估指标体系;其次对已构建指标体系中相关的配网运行数据进行基于自组织神经网络的异常数据辨识和清理;再次对各层次评估指标建模并计算权重;然后计算各层次指标值及评估得分,找出配网运行薄弱环节;最后对广西省某地区低压配网进行运行态势评估.结果表明,该方法能够科学合理地建立配网运行态势评估指标体系,以及有效减少异常数据对配网运行态势评估的影响,可为低压配网运行态势监测和运行优化提供参考.     

大偏移理论在电力系统电压稳定中的应用

在考虑负荷波动等随机因素的情况下，运用概率统计方法对电力系统电压稳定问题进行了分析。文中电力系统被看作一个在小幅度、广谱的随机扰动下不断作非线性波动的动态系统。利用大偏移理论，将其状态离开吸引域的期望时间作为电力系统电压稳定的裕度指标。通过对系统动态方程的分析，使用能量函数将随机模型转化为一确定性问题进行研究。对文献提出的函数加以改进，加入了转子能量函数项。通过算例分析，表明该能量值可作为电压稳定的裕度指标。     

具有双重时延的电力信息物理系统的同步控制

随着电力系统的安全可靠运行越来越依赖于通信系统,时间延迟也成为影响电力信息物理系统同步的主要因素之一。针对具有双重时延的电力信息物理系统的同步问题,设计控制器解决时延对系统同步的影响。首先,搭建具有双重时延的电力信息物理系统模型,然后根据系统模型设计出控制器,并通过构造Lyapunov函数证明控制器的有效性。对于大规模的系统,提出自适应牵制同步控制器,即将控制器添加到按照结构熵筛选出的牵制节点集的节点。结构熵可以解决当节点度相同时牵制节点的选择问题。最后通过两个算例验证了所提方法的可行性。     

基于差分进化极限学习机的电力系统暂态稳定评估方法

电力系统暂态稳定性的破坏可以对电力系统的安全稳定运行产生严重冲击,准确、快速地暂稳评估方法能够提高电力系统的安全防御能力。极限学习机由于其速度快、泛化性能好被应用到电力系统暂态稳定评估中。为了提高极限学习机的评估性能,利用基于差分进化算法的优化方法和序列浮动后向特征选择算法对极限学习机暂态稳定评估性能进行提升。首先对输入特征通过主元分析降维并利用序列浮动后向算法进行特征选择,再将最优特征集输入差分进化极限学习机进行暂态稳定评估,最后在新英格兰10机39节点系统中进行验证分析,结果表明,所提模型与其他极限学习机模型相比,大大提升了其在暂态稳定分类评估中的性能。     

暂态能量函数法用于可靠性安全性评估

针对可靠性安全性评估计算复杂和计算速度慢 ,提出了基于 Monte- Carlo模拟法和暂态能量函数法相结合的评估可靠性安全性评估的方法 ,定义了相应可靠性指标。充裕度评估和安全性评估是发输电合成系统可靠性分析的两个方面 ,充裕度是在静态条件下电力系统满足用户电力和电能量的能力 ,安全性是在动态条件下电力系统经受住突然扰动并不间断地向用户提供电力和电能量的能力。论文提出了将充裕度评估和安全性评估相结合进行可靠性分析的模型、算法和计算步骤 ,并编写了相应程序。算例表明 ,该模型和算法是可行的 ,结果是合理的     

面向运营安全的城市轨道交通线网性能综合评价

为了掌握表征城市轨道系统线网性能的关键指标,给出合理的评价模型,准确获取系统运营安全状况,面向城市轨道交通系统运营安全研究了其线网性能的综合评价问题。通过对城市轨道系统历史事故进行统计分析,构建了面向车站、线路、线网三个不同层次的评价指标体系;运用三角模糊数改进的TOPSIS的评价方法,基于指标集进行综合评价;并结合实际数据,针对评价结果对城轨系统进行分析。研究结果表明：建立面向运营安全的城市轨道交通线网性能综合评价指标体系,运用改进的TOPSIS评价方法,将定性问题定量化,不仅有效反应当前的安全运营水平,而且减少了因为人的主观因素对决策结果产生的影响,提高了城市轨道交通安全评价的科学可靠程度和可信程度,为有关部门和城市轨道交通的安全管理者提供有效的决策支持。     

模糊物元模型在区域水安全评价中的应用

结合熵值理论与模糊物元理论,建立了基于熵权的水安全模糊物元模型.根据水安全评价的特点和评价区域的实际情况,构建了区域水安全的评价指标体系,并利用水安全模糊物元模型对水安全体系中生命安全、经济安全、生态环境安全、社会安全和管理安全的23个指标进行了评价.引用信息熵所反映的数据本身的效用值来计算指标的权重系数,有效地避免了指标权重分配困难的问题.对山东省2005年的水安全状况进行了评价,并与基于AHP的模糊综合评价结果进行了比较分析.结果表明:模糊物元模型能计算各评价样本与评价标准之间的远近程度关系,并且可以同时评价多个样本;引进熵权后减少了评价的主观性,评价结果客观合理,具有较好的实用性.     

基于突变粒子群算法的图像自适应增强

利用突变粒子群算法自动获取图像非线性增强函数的最佳变换参数,达到图像增强的效果。该算法基于粒子群算法原理,采用针对图像质量评价效果的新适应度函数（包括方差、信息熵、紧致度、信噪改变量以及像素差别五要素）,提出一种基于突变机制的粒子群算法,有效增大粒子间的差异性和非均匀性,打破平衡态,从而增强系统内动力以提高系统进化的效率。实验表明,该算法具有较高的自适应性,即避免了陷入局部极小,加快了收敛速度,且增强质量评价明显提高。     

电力系统注入空间上的实用动态安全判据

动态安全域在电力系统在线安全监视与控制方面有着广阔的应用前景，从动态安全域的定义出发．应用微分动力系统定性理论及电力系统暂态能量函数的相关概念，对注入空间上的动态安全分析进行了阐述；进而以事故清除时刻系统的暂态能量裕度作为稳定性判别指标，借助功率扰动分析的方法推导出了电力系统注入空间上的实用动态安全判据．该实用判据具有明晰的物理解释，对动态安全域的实用化描述及求解有很强的指导意义．     

数论、组合数学、群论在密码学中的应用(1)

在RSA体制的基础上提出了一种新型公钥密码体制。新体制用组合变换为底的幂剩余函数作和及毕达哥斯作加、解密变换、消除了RSA体制的周期而不能被直接破译 ,本文的论证表明 ,新体制的安全性远高于RSA体制。     

基于灰色熵权模型的城市轨道交通站点运营风险动态评价

随着运营环境的不确定性变化,城市轨道交通站点会呈现不同的运营风险。通过对城市轨道交通站点历史运营事故的致因分析,从人员、设备、管理和环境4个方面构建站点运营风险评价的指标体系;基于灰色理论和熵权模型,提出一类站点运营风险的动态评价方法。对指标进行经典域划分后,利用灰色熵权模型计算指标权重,利用灰色关联度方法计算评价指标时间激励因子,进而获取城市轨道交通站点运营风险的综合评价值,并确定站点运营的风险等级。算例分析的结果表明,基于灰色熵权模型构建的城市轨道交通站点运营风险动态评价方法具有一定的可行性。     

Network security situation evaluation based on modified D-S evidence theory

With the rapid development of global information and the increasing dependence on network for people, network security problems are becoming more and more serious. By analyzing the existing security assessment methods, we propose a network security situation evaluation system based on modified D-S evidence theory is proposed. Firstly, we give a modified D-S evidence theory to improve the reliability and rationality of the fusion result and apply the theory to correlation analysis. Secondly, the attack successful support is accurately calculated by matching internal factors with external threats. Multi-module evaluation is established to comprehensively evaluate the situation of network security. Finally we use an example of actual network datasets to validate the network security situation evaluation system. The simulation result shows that the system can not only reduce the rate of false positives and false alarms, but also effectively help analysts comprehensively to understand the situation of network security.     

基于深度学习的电网安全态势感知

随着电网的发展和技术的进步,电网结构日益复杂,能够及时有效地对电网的安全态势进行感知显得尤为重要。深度学习,近些年在文本、语音、图像等方面取得了巨大进展,同时在人工智能领域也占据着重要地位。将深度学习与电网的安全态势感知相结合,提出了基于深度学习的电网安全态势感知。在态势理解阶段,从电网的静态安全性和动态安全性两个方面出发,构建了一套较完整的电网安全态势评价体系,用来表征电网的运行轨迹。在态势预测阶段,构建深度学习模型,完成对电网安全态势的感知。最后以IEEE39节点系统为例,将其与BP(back propagation)神经网络和RBF(radial-basis function)神经网络预测模型进行了对比分析,验证了深度学习可以有效地对电网的安全态势进行感知,且预测精度高于传统的神经网络模型。