发电公司信息安全管理策略研究

随着发电公司的发展与壮大，其信息安全问题日益显露。主要表现在：发电公司内部存在安全隐患、程序代码被恶意篡改、系统被病毒侵蚀、资料随之丢失等。分析了发电公司信息安全问题产生的原因，并对相应的安全管理策略进行探讨，为解决信息安全问题提供参考。     

机车制动中的"动轮迟缓"现象分析

就机车制动中容易出现的动轮迟缓问题进行了一些分析，并针对怎样防止和杜绝动轮迟缓提出了一些建议。     

基于联邦学习的短期负荷预测模型协同训练方法

针对机器学习方法在电力系统短期负荷预测领域的应用过程中,存在数据样本不 足、模型泛化能力差以及数据隐私保护要求较高等问题,以气象、日期以及历史负荷数据为输 入特征,构建基于长短期记忆（Long Short-Term Memory,LSTM）网络的短期负荷预测模型,提 出基于联邦学习（Federated Learning,FL）的短期负荷预测模型协同训练方法. 通过分散训练、 中心聚合的方式对模型参数进行迭代更新,实现各负荷运营商在保证数据隐私的情况下协同 构建预测模型. 在GEFCom2012比赛的多个地区负荷数据集上进行仿真验证,结果表明,所提 方法在保证各运营商数据隐私的同时,有效提升了短期负荷预测准确率,所训练出的模型在 多场景下具有优秀的泛化能力.     

考虑车主意愿和成本的车网能量互动博弈模型

针对电动汽车（Electric Vehicle， EV）在参与需求响应时对用户意愿考量不足，配网与EV利益分配不公的问题，提出了考虑用户响应成本及意愿的V2G能量交互策略. 对EV用户在交互中产生的充电时间延迟和电池劣化成本进行了量化与分析，并使得EV车主能够通过指定其成本系数的方式来表达他们的互动意愿，从而获得合理的补偿.随后，建立配电系统运营商（Distribution System Operator， DSO）和集群EV之间的双层斯托伯格（Stackelberg）博弈模型，并根据Karush-Kuhn-Tucker条件，将其转换为一个单层混合整数二阶锥规划问题.基于IEEE 33节点系统验证了模型的有效性，实现了EV车主和DSO之间的双赢.