基于改进K-means的电力数据异常检测算法

异常检测方法在电力领域有着广泛的应用,如设备故障检测和异常用电检测等.改进了传统Kmeans聚类随机选择初始聚类中心的策略;结合数据对象的密集度与最大近邻半径,选择更加接近实际簇中心的数据点作为初始聚类中心,并在此基础上提出了一种基于改进K-means算法的电力数据异常检测新方法.实验表明,上述算法具有更优的聚类效果和异常检测性能,并且在应用于电力领域时,算法可以有效地检测出异常电力数据.     

水驱曲线极限含水率选值问题研究

极限含水率是水驱曲线法计算可采储量的重要参数。对于水驱开发油田,进入产量递减阶段以后,水油比与产量具有半对数直线关系,可以由此计算达到废弃产量时对应的极限水油比和极限含水率,根据不同的水驱曲线表达式,预测水驱油田可采储量。与按照统一规定极限含水率取98%计算的可采储量相比,该方法计算结果更接近于油田实际。     

基于用户相似度度量的有效社区Leader选举方法

社交网络社区Leader 选举,即识别社区内影响力最大用户,是社交网络结构分析重要任务之一,在识别意见领袖、增进社区融合等方面具有重要的理论和应用研究价值.传统的社区Leader 选举技术如UserRank和PeopleRank,主要基于社交网络链接分析实现,忽略了用户本身属性的相似度度量.因此得到的社区Leader不能有效保证其社区代表性.本文提出了一种新的用户关系建模方法,将传统的链接分析和用户属性相似度度量融合,有效识别具有代表性的高影响力用户.实验结果表明,提出的方法不仅可以选举出社区内部具有代表性的高影响力Leader 用户,还可以通过社区Leader 选举使得社区内其他用户的查询效率得到有效提高.     

基于自适应神经网络的电网稳定性预测

电网安全稳定是电力企业乃至整个社会改革、发展、稳定的基础.随着电网结构复杂度的增加,更需要电网安全和稳定地运行,这是保证国民经济快速良好发展的重要要求.基于机器学习方法,提出了一种优化神经网络的电网稳定性预测模型,并和经典机器学习方法进行了横向对比.通过UCI 2018年电网稳定性仿真数据集的实验分析,结果表明,所提出的方法可以达到更高的预测准确率,同时也为电力大数据的研究提供了新思路.     

基于身份的可认证盲签名协议

提出了一个基于椭圆曲线双射对性质实现的、基于身份的具有可相互认证功能的盲签名协议.该协议把对用户身份的认证和对机构的认证融合到一个盲签名协议中,不仅避免了盲签名应用系统中对用户身份的额外认证,还使得应用系统的整体工作效率大大提高,有效地避免了盲签名系统在实际应用中同其他认证系统协同工作时可能出现的一些潜在的不安全问题.协议具有强不可伪造性和强不可否认性.     

一种实时轨迹隐私保护策略

实时轨迹隐私问题是LBS(Location-Based Services)领域的一个重要问题.虚假轨迹技术是一种流行的隐私保护技术,它产生多条与真实轨迹相似的虚假轨迹.然而,已有的虚假轨迹保护技术并未考虑用户所处的实际环境以及相邻时刻的位置关系等约束,从而使得攻击者很容易借助其他背景知识推测出用户的真实轨迹.因此,本文在所提出的两种全新隐私保护算法中应用了信息熵和位置可达性约束,这两种算法分别为虚假轨迹生成DTG(Dummy-Based Trajectory Generating)算法、增强型虚假轨迹生成EnDTG(Enhanced-DTG)算法.实验结果表明,相比于现有方案,本文所提的方案能有效保护用户的轨迹隐私.     

基于区块链的智能电表身份认证方案

能源互联网是未来发展的趋势,能够实现电力资源在用户和能源系统中的双向流通.智能电表作为连接用户和能源系统的关键点,具有用户身份信息和大量有效的电力交易数据,而这些信息会造成用户隐私泄露.为保护用户隐私,提出了基于区块链的智能电表身份认证方案,利用Merkle树原理对智能电表身份信息进行处理并存储在区块链中,实现智能电表身份有效认证的同时,使智能电表身份信息具有不可篡改性,并破坏了用户身份和电力数据之间的可关联性,能够有效抵御内部和外部攻击者获取用户隐私.通过利用区块链的自身特性,保证了交易数据的完整性和有效性.     

基于内容优化的分层次实验教学改革与实践

在《电子处理系统》实验教学环节中存在着实验内容单一、重复、学生实验积极性没有充分调动等问题。随着实验教学改革的深化,对现有的实验教学中的不足之处,提出了相应的改革措施,主要体现在优化重组实验内容、规范化实验环节、注重过程和能力以及结合竞赛的合理化考核制度等。实践表明,以上措施与方法有效地提高了《电子处理系统》实验教学效果。