智能配电网态势感知实现效果综合评估模型

作为衡量配电网智能化水平的重要途径,智能配电网态势感知已成为保证配电网安全、稳定运行的关键技术.针对配电网设备多样、运行多态而态势感知差异大的特征,为实现对智能配电网态势感知实现效果的定量分析,本文建立了智能配电网态势感知实现效果综合评估模型,包括综合评估指标体系和评估方法.其中,综合评估指标体系包括设备状态监测水平、电能质量监测水平、电网可靠性水平、电网自愈能力、电网消纳可再生能源水平5个方面一级指标,以及共计17个二级指标,实现对智能配电网态势感知实现效果的客观量化.综合评估方法方面,考虑到主观评估方法的专家意见偏好性与客观评估方法的强样本依赖性,本文采用基于二项系数方法和多目标规划方法相结合的主客观混合评估方法对综合评估指标体系进行赋权.典型配电网案例验证了该模型的可行性和实用性.本文所提出的智能配电网态势感知实现效果综合评估模型客观准确反映了配电网运行状况,消除了单一评估方法的片面性,有效提升了智能配电网的可观测度,实现了对配电网薄弱环节和潜在风险的分析,可为后续配电网态势感知领域的综合评估工作提供借鉴.     

面向感知质量保障的安全态势预测优化模型

以提高网络安全态势预测准确率为研究目标,提出一种网络安全态势预测优化模型.首先,运用层次量化分析法将多源安全态势信息进行宏观态势值量化,组成时间序列.然后,将态势值数据进行叠加归一化处理,增强数据的规律性,易于模型的建立.最后,将协方差矩阵自适应进化策略应用于支持向量机超参数的自主选择,使预测模型更加精确,并通过数据还原将预测结果加以显示.仿真实验表明该模型具有较好的预测效果.     

网络安全态势感知框架及随机森林评估模型

针对传统网络安全态势感知评估过多依赖专家经验的问题,提出一种基于随机森林的多层次网络安全态势感知(Cyber Security Situational Awareness,CSSA)框架评估模型.首先将CSSA的过程与安全数据生命周期进行对齐,并分析CSSA的需求,提出CSSA多层次分析框架,然后采用随机森林算法,构建CSSA评估模型,该模型基于多个分类器组合的思想,由决策树构成,每棵树依赖于独立样本,以及森林中所有树的随机向量分布相同的值.在进行分类时,每棵树投票并返回票数最多的类,这使得网络安全态势评估更为客观和准确.实验表明,与贝叶斯网络相比,此模型可以更快速、更准确地评估当前的网络安全情况.     

网络运行态势感知技术及其模型

针对现有网络态势感知技术无法反映网络整体运行质量的问题,提出了网络运行态势的概念,并给出其模型。首先,将马尔科夫链的转移概率引入网络链路权重评价中以衡量相邻节点的可达性,进而求得网络链路权重;随后,为一致、稳定地评估网络运行质量并克服基于支持向量机评估方法在训练过程中存在的参数难以确定、过拟合等问题,提出了基于相关向量机的网络运行质量评估方法;最后,将各链路的运行质量评估值按照权值加权得到网络运行态势,实现网络运行质量局部评估向网络运行态势整体呈现的提升。实验结果表明,该模型获得的网络态势值与通过灰色模糊综合评估得到的态势值的平均绝对误差仅为1.61%,优于基于支持向量机的网络评估方法;通过对态势均值及方差的比较,可对不同网络建设方案提供必要的技术指导。     

面向云边协同的配电变压器运行状态评估及态势预测

随着电力物联网建设的高速推进,在配电物联网“云管边端”建设体系指导下,文章提出一种配电变压器运行状态评估与趋势预测通用技术架构。该架构将分别部署在云中心与边缘节点处,在云边协同机制支持下分析处理海量电力数据,完成对大规模配电变压器集群的运行管理。具体流程包括提取配电变压器基础状态、即时状态、累积状态等多维特征,构建评估指标体系,通过动态评估模型实现对配电变压器运行状态的实时画像描述;根据特征数据流的时序性和变化趋势,借助长短期记忆循环神经网络提取数据规律,结合支持向量回归模型进行预测,获得未来时段的特征数据流,并以此输入动态评估模型,实现配电变压器未来运行态势预测。最后,通过实例论证了该技术架构的适用性和先进性。     

网络态势预测的广义回归神经网络模型

网络态势预测作为网络态势感知的必要环节, 能够加强网络管理员对网络状态的认知与理解,为威胁分析和网络规划提供决策支持。在分析现状以及预测方法的基础上, 讨论了反向传播、径向基、反馈等神经网络模型用于预测的特点与优势,提出了网络态势预测的广义回归神经网络模型GRNNSF, 给出了GRNNSF模型的网络设计原则以及网络态势预测方法。基于真实数据集的实验,验证了GRNNSF模型的准确性和时效性,与其他神经网络模型相比,能更准确地预测网络态势的发展趋势。     

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。     

用于智能电网电价预测的深度学习模型

针对机器学习方法在大型数据集上电价预测准确性低等问题,本文提出一种基于大数据时间序列的深度学习电价预测模型,用于智能电网的电价预测.该模型首先将收集到的数据进行预处理规范化,采用Relief F算法和互信息(Mutual Information,MI)的混合模块进行特征选择,其次将改进后的特征赋予核主成分分析(Kern...     

基于网络可生存性态势感知的主动服务漂移模型

针对现有服务漂移策略存在的不足,提出了一种基于网络可生存性态势感知的服务主动漂移模型。首先采用入侵检测和故障监测等技术手段实时获取网络生存态势信息,在此基础上设计了一种基于态势感知的服务漂移触发机制;然后引入主-从服务器的新概念,在此基础上建立了定向与随机相结合的服务漂移模式,并对该模型的相关算法进行了研究;最后对比分析了文中所提模型的性能。结果表明:该漂移模型既能提高服务漂移的抗毁能力,又大大缩减了漂移过程中带来的服务间断时间,能有效保证突发异常情况下的服务连续、可靠运行。     

面向智能电网的物联网智能通信技术

智能电网中物联网智能通信技术的广泛应用,是现代化信息通信技术发展的必然结果,对电力系统整体效力的提升有极大的推动作用。本文旨在对面向智能电网的物联网智能通信技术进行论述,将从智能电网、物联网的概念简述,物联网的诸多用途,物联网技术在智能电网中的应用三个层面来进行阐述。     

A scalable model for network situational awareness based on Endsley＇ s situation model

The paper introduces the Endsley's situation model into network security to describe the network security situation,and improves Endsley'S data processing to suit network alerts.The proposet model contains the information of incident frequency.incident time and incident space.The HoneyNet dataset is selected to evaluate the proposed model in the evaluation.The paper pmposes three definitions to depict and predigest the whole situation extraction in detail.and a fusion component to reduce the influence of alert redundancy on the total security situation.The less complex extraction makes the situation analysismore efficient,and the fine-grained model makes the analysis have a better expansibility.Finally,the situational variation curves are simulated,and the evaluation results prove the situation model applicable and efficient.     

协同智能网格及其实现架构

为了提高网格的智能水平和协调能力以及协同分布的网格服务,支持动态的计算环境和多变的用户需求,提出了协同智能网格CIG (cooperative intelligent grid). CIG以OGSA为基础,应用分布式人工智能和分布协调控制的理论和方法来研究和解决网格中如何高效准确地协同现有的网格服务以完成所面临的任务. 文中描述了CIG的概念和体系结构,从社区/联邦式政策导向型的系统结构、领域自适应的中介服务协作机制和理性化协商机制等方面构建开放动态的CIG. CIG可以有效地组织各网格实体的协调、协商和合作,提高了服务组合的自动化程度和抽象层次.     

神经网络模型对造血干细胞体外扩增效果评价及预测

采用神经网络技术对造血干细胞HSCs体外扩增能力建立了评价及预测模型.总结了前人的实验结果,共获得341组数据.选取细胞接种密度、细胞因子组合、细胞来源、血清、基质细胞、反应器类型和培养时问等7个影响因子作为网络输入特征参数,分别对有核细胞(nUClear cells,NCs)、CD34 细胞和成集落细胞(colony-forming units,CFU-Cs)进行体外扩增能力的拟合评价及预测.选取124、90及86组实验数据分别用于NCs、CFU-Cs和CD34 细胞为评价指标的神经网络训练;而17、10及14组实验数据分别用于NCs、CFU-Cs和CD34 细胞为评价指标的神经网络预测.结果表明.对NCs、CFU-Cs和CD34 细胞的区间训练准确率分别为85.5%、86.7%和86.1%;区间预测准确率分别为82.4%、70.0%和71.4%.由此可知.人工神经网络的非线性模拟使定量描述HSCs体外扩增效果与培养条件问的关系及预测HSCs的最佳体外扩增条件成为可能.     

网络智能化教学模型的设计

依据现代网络教育的特点 ,提出一个网络智能化教学模型 ,并就其中知识组织结构作较详细的叙述 .该模型引入了计算机仿真技术和分布式对象技术CORBA ,在网络环境下实现计算机支持的协同学习功能 .     

A hierarchical P2P model and a data fusion method for network security situation awareness system

A hierarchical peer-to-peer (P2P) model and a data fusion method for network security situation awareness system are proposed to improve the efficiency of distributed security behavior monitoring network. The single point failure of data analysis nodes is avoided by this P2P model, in which a greedy data forwarding method based on node priority and link delay is devised to promote the efficiency of data analysis nodes. And the data fusion method based on repulsive theory-Dumpster/Shafer (PSORT-DS) is used to deal with the challenge of multi-source alarm information. This data fusion method debases the false alarm rate. Compared with improved Dumpster/Shafer (DS) theoretical method based on particle swarm optimization (PSO) and classical DS evidence theoretical method, the proposed model reduces false alarm rate by 3% and 7%, respectively, whereas their detection rate increases by 4% and 16%, respectively.     

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型；即先通过遗传学习算法进行全局训练，再用权重调整BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，以新疆雅马渡站的实测径流资料和相应的前期4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。     

网格资源提前预留中用户资源需求量预测模型

针对目前对网格资源提前预留的研究主要集中在资源预留算法上,几乎忽略了如何估算用户资源需求量问题,提出一种适用于网格资源预留的用户资源需求量预测模型.基于对网格资源提前预留请求的定义,结合GM(1,1)灰色预测方法,建立了用户资源需求量预测模型,并提出相应的改进方法,提高了预测精度.模拟实验证明了模型的有效性,能获得较好的预测效果.     

基于改进G-K算法的多节点网络安全态势预测模型研究

影响多节点网络安全态势的因素有很多,传统方法未考虑影响因素,导致预测精度低。为此,构建一种新的改进G-K算法的多节点网络安全态势预测模型。通过灰熵均衡关联度实现关联分析,通过关联分析法对影响多节点网络安全态势的因素进行研究,按照关联程度大小获取重要因素。依据多节点网络日志信息,从主机层、服务层和系统层对多节点网络安全态势值进行计算。分析改进G-K算法预测基本思想:通过多节点网络安全态势重要影响因子值与安全态势值计算状态向量,利用当前状态矢量观测向量对多节点网络安全态势在下一段时间的值进行描述。在此基础上,构建改进G-K算法的多节点网络安全态势预测模型。实验结果表明,采用构建的模型对多节点网络安全态势进行预测,有很高的预测精度,对突变态势也可有效预测。