期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进数据潮流模型的多场景低压配电网线损异常溯源
1
作者
曹子恺
赵健
+2 位作者
孙书哲
汤婧婧
陈峰
《上海电力大学学报》
2025年第5期418-424,共7页
在低压配电网(LVDN)中开展线损异常溯源的目标是准确定位引起线损异常的终端用户,然而,实际LVDN中存在网络拓扑结构与线路参数信息不完整的情况,显著限制了传统线损异常分析方法的适用性。针对这一问题,提出了一种基于改进数据潮流模型...
在低压配电网(LVDN)中开展线损异常溯源的目标是准确定位引起线损异常的终端用户,然而,实际LVDN中存在网络拓扑结构与线路参数信息不完整的情况,显著限制了传统线损异常分析方法的适用性。针对这一问题,提出了一种基于改进数据潮流模型的多场景LVDN线损异常溯源方法。首先,构建基于神经网络的改进数据潮流模型,在未知网络拓扑结构与线路参数信息的情况下捕捉不同场景配电网中的潮流映射关系;其次,借助对抗攻击算法进行反向传播,通过迭代计算修正功率数据,使计算电压逐步逼近量测电压,同时,基于校正结果提出了一种判别标准,通过比较修正功率与量测功率的差异,精准定位引发线损异常的用户;最后,在实际配电网中验证了所提方法的有效性。
展开更多
关键词
线损异常溯源
改进数据潮流模型
低压配电网
对抗攻击算法
在线阅读
下载PDF
职称材料
深度神经网络结合蚁群算法的躲避攻击多目标对抗方法
被引量：
3
2
作者
魏焕新
张宏国
《计算机应用与软件》
北大核心
2020年第11期292-298,共7页
针对深度神经网络在躲避攻击多目标对抗方法中输入的数据易导致机器误解码,提出一种深度神经网络结合蚁群算法的躲避攻击多目标对抗方法。设计一种与变换器和多个模型组成的体系结构,利用变换器生成一个多目标的对抗性样本,利用深度学...
针对深度神经网络在躲避攻击多目标对抗方法中输入的数据易导致机器误解码,提出一种深度神经网络结合蚁群算法的躲避攻击多目标对抗方法。设计一种与变换器和多个模型组成的体系结构,利用变换器生成一个多目标的对抗性样本,利用深度学习训练的分类器对输入值进行分类;引入蚁群算法,利用蚂蚁互相交流学习的正反馈原理保证算法的收敛性和寻优速度;融合两种算法的优势,实现躲避攻击的多目标对抗。实验结果表明,相比其他现有方法,该方法在躲避攻击多目标对抗方面更具优势,实现了100%的攻击成功率。
展开更多
关键词
深度神经网络
躲避攻击
对抗样本
机器学习
蚁群算法
多目标对抗
在线阅读
下载PDF
职称材料
题名
基于改进数据潮流模型的多场景低压配电网线损异常溯源
1
作者
曹子恺
赵健
孙书哲
汤婧婧
陈峰
机构
上海电力大学
国网绍兴供电公司
国网浙江省电力有限公司电力科学研究院
出处
《上海电力大学学报》
2025年第5期418-424,共7页
文摘
在低压配电网(LVDN)中开展线损异常溯源的目标是准确定位引起线损异常的终端用户,然而,实际LVDN中存在网络拓扑结构与线路参数信息不完整的情况,显著限制了传统线损异常分析方法的适用性。针对这一问题,提出了一种基于改进数据潮流模型的多场景LVDN线损异常溯源方法。首先,构建基于神经网络的改进数据潮流模型,在未知网络拓扑结构与线路参数信息的情况下捕捉不同场景配电网中的潮流映射关系;其次,借助对抗攻击算法进行反向传播,通过迭代计算修正功率数据,使计算电压逐步逼近量测电压,同时,基于校正结果提出了一种判别标准,通过比较修正功率与量测功率的差异,精准定位引发线损异常的用户;最后,在实际配电网中验证了所提方法的有效性。
关键词
线损异常溯源
改进数据潮流模型
低压配电网
对抗攻击算法
Keywords
line loss anomaly tracing
improved data flow model
low voltage distribution network
counter attack algorithm
分类号
TM73 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
深度神经网络结合蚁群算法的躲避攻击多目标对抗方法
被引量：
3
2
作者
魏焕新
张宏国
机构
湖南机电职业技术学院信息工程学院
哈尔滨理工大学软件工程系
出处
《计算机应用与软件》
北大核心
2020年第11期292-298,共7页
基金
国家自然科学基金项目(51375128)
湖南省教育厅科学研究项目(15C0490)
全国教育科学规划课题(EJA17450)。
文摘
针对深度神经网络在躲避攻击多目标对抗方法中输入的数据易导致机器误解码,提出一种深度神经网络结合蚁群算法的躲避攻击多目标对抗方法。设计一种与变换器和多个模型组成的体系结构,利用变换器生成一个多目标的对抗性样本,利用深度学习训练的分类器对输入值进行分类;引入蚁群算法,利用蚂蚁互相交流学习的正反馈原理保证算法的收敛性和寻优速度;融合两种算法的优势,实现躲避攻击的多目标对抗。实验结果表明,相比其他现有方法,该方法在躲避攻击多目标对抗方面更具优势,实现了100%的攻击成功率。
关键词
深度神经网络
躲避攻击
对抗样本
机器学习
蚁群算法
多目标对抗
Keywords
Deep neural network
Evade
attack
counter
sample
Machine learning
Ant colony
algorithm
Multi-objective confrontation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进数据潮流模型的多场景低压配电网线损异常溯源
曹子恺
赵健
孙书哲
汤婧婧
陈峰
《上海电力大学学报》
2025
0
在线阅读
下载PDF
职称材料
2
深度神经网络结合蚁群算法的躲避攻击多目标对抗方法
魏焕新
张宏国
《计算机应用与软件》
北大核心
2020
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
