题名 基于混沌序列的电网矢量数据安全加密研究
1
作者
原珍
黄天赐
许峰源
陈博
田琳
机构
国网思极飞天(兰州)云数科技有限公司
出处
《电子设计工程》
2025年第19期137-140,145,共5页
基金
国网思极飞天(兰州)云数科技有限公司项目(202305613042)。
文摘
为了有效解决电网坐标信息易受到攻击的问题,设计基于混沌序列的电网矢量数据安全加密算法。根据混沌序列的Logistic映射表达式,实施横、纵坐标的置换处理,实现基于混沌序列的电网矢量数据坐标置换。定义矢量地图坐标数据的一维离散余弦变换原则,并利用被选中的原始坐标值,构建加密密钥模板,完成电网矢量数据安全加密算法的设计。实验结果表明,应用该方法可以提升矢量数据的加密效果,保障电网坐标信息的机密性,保护电网数据安全。
关键词
混沌序列
电网矢量数据
安全加密
电网坐标信息
LOGISTIC映射
Keywords
chaotic sequences
power grid vector data
secure encryption
grid coordinate information
Logistic mapping
分类号
TN979
[电子电信—信号与信息处理]
题名 电网云平台多属性数据分类挖掘方法研究
2
作者
胡雨
刘膨源
王玉玲
潘士通
杨君
机构
北京国网信通埃森哲信息技术有限公司
出处
《自动化与仪器仪表》
2025年第10期35-38,共4页
基金
国家电网有限公司安徽省电力有限公司项目(B36817230151)。
文摘
电网云平台在智能电网中占据着至关重要的位置,其需要接收、处理与分析海量的多属性数据,对其分类挖掘性能提出了极高的要求,故提出电网云平台多属性数据分类挖掘方法研究。基于深度自编码器提取电网云平台多属性数据特征,并通过信息增益对提取数据特征进行选择,从而降低数据特征维度。引入支持向量机构建多属性数据分类挖掘模型,制定独立支持向量机训练流程。将提取的多属性数据特征输入至训练好的模型中,即可获得最终的多属性数据分类挖掘结果。测试数据显示:提出方法应用后AUC值维持在较高水平(0.84~0.95),Kappa系数的最大值达到了1,充分证实提出方法具备较好的应用性能。
关键词
多属性数据
支持向量机
分类挖掘
电网云平台
核函数选择
数据特征提取
Keywords
multi-attribute data
support vector machine
classification mining
power grid cloud platform
kernel function selection
data feature extraction
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 Web端海量电网资源GIS数据动态调度与渲染方法
被引量:1
3
作者
程伟
钱蔚
庞宇
杨文彬
机构
南瑞集团公司(国网电力科学研究院)
出处
《计算机系统应用》
2018年第2期138-143,共6页
基金
南瑞集团信息通信支撑智能电网重大专项(524606160203)
文摘
电网设备的图形展示是电力GIS应用的基础功能.实现大数据量场景下Web端电网资源图的高性能显示己成为电力GIS系统建设需要解决的关键问题.针对电网GIS数据及其应用特点,本文提出了一种面向Web的海量电网资源GIS数据动态调度与渲染方法.方法通过电网资源数据显示规则、线路数据分级压缩等方法控制前端数据加载量,从而降低网络传输和前端绘制压力;根据视口范围进行数据动态调度,在客户端建立请求缓存、数据缓存以提高设备渲染效率;使用HTML5技术进行数据的多线程解析和设备符号的实时绘制.经验证,在大数据量场景下,本方法可显著提升现有电力GIS应用在Web图形显示方面的流畅性、交互性及灵活性,大大改善用户体验.
关键词
电力GIS
电网资源
海量数据渲染
HTML5
Keywords
power GIS
power grid resource
massive vector data rendering
HTML5
分类号
TM73
[电气工程—电力系统及自动化]
TP393.09
[自动化与计算机技术—计算机应用技术]
题名 电网通信业务数据的融合技术分析
被引量:4
4
作者
刘晴
刘旭
汤玮
金海
袁汉云
机构
贵州电网有限责任公司电力调度控制中心
出处
《信息技术》
2020年第3期153-158,共6页
文摘
由于传统数据融合方法的融合效果差,为此提出基于虚拟数据库技术研究电网通信业务数据的融合技术。首先将数据请求信号发送至数据请求抽取模块,并根据抽取结果获取有效路由分发路径,接收路由分发路径后,通过数据映射实现语法编译,抽取编译数据并将其发送至数据缓存模块,利用模式同化模块统一数据模式进行数据组合,最后通过时间序列方法实现电网通信业务数据融合。实验结果表明,文中方法的网络平均时延低。
关键词
电网通信
业务数据
向量映射
数据融合
Keywords
power grid communication
service data
vector mapping
data fusion
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于数据挖掘的低压电网改造工程验收系统设计
被引量:3
5
作者
王德辉
张雨
黄文栋
许卓佳
张栩华
机构
南方电网广东电网有限责任公司
出处
《微型电脑应用》
2023年第2期197-200,共4页
文摘
为了更加科学高效地评估低压电网改造工程施工质量,保证低压电网改造后的平稳运行,设计了一款基于数据挖掘的低压电网改造工程验收系统。利用Microsoft Visual Studio 2019平台与C#语言,通过数据处理、项目分类管理、工程验收、工具管理、用户管理板块构建低压电网改造工程验收系统框架。数据处理板块引入贝叶斯决策树方法剔除工程数据噪声,使用数据挖掘技术中的支持向量机组建若干二值分类器,把二值分类器输出类别标识最大的类作为项目分类结果;将径向基核函数当作支持向量机核函数,使用网格搜寻法挑选训练参数对,根据交叉验证方法将工程信息分割成多个集合,最终在工程验收板块输出低压电网改造工程验收结果。实验结果表明,所建系统响应速度快,能实现电网改造项目数据收集、工程整改、追踪检测、竣工验收等文档与图纸的整理归档,为低压电网改造工程验收提供可靠运行平台。
关键词
数据挖掘
电网改造
工程验收
支持向量机
系统设计
Keywords
data mining
power grid reconstruction
acceptance of work
support vector machine
system design
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 基于碳排放态势推演的电网碳资产管理策略分析
被引量:1
6
作者
黄杰
薛峰
张鹏飞
金榜
李晓飞
王放
钱锋
机构
南瑞集团有限公司(国网电力科学研究院有限公司)
国家电网有限公司
出处
《全球能源互联网》
2019年第3期288-294,共7页
基金
国家电网公司科技项目"基于电网发展全过程效益分析的精益投资优化方法研究"(SGTYHT/17-JS-199)
国电南瑞科技股份有限公司项目"综合能源系统仿真评估关键技术研究"~~
文摘
电网输配电网损引发的间接碳排放已被我国部分试点碳市场纳入管控。参与碳市场对电网企业而言是机遇也是挑战,电网作为服务低碳能源转型的减排平台,其网损水平并不完全取决于自身管理能力,网损水平的波动使得电网企业暴露于碳市场履约风险之下。前期已基于支持向量机方法,采用2012~2016年能源主管部门披露的某省有关数据,构建了网损统计分析模型。进一步根据某省发展规划构建多个未来发展假想场景,根据试点碳市场规则,对2017~2020年期间某省电网网损水平和碳排放配额仓位进行态势推演。基于碳排放配额仓位推演结果,进一步评估了配额跨期使用、碳抵消机制使用、碳市场灵活交易等碳资产管理措施在不同假想场景下的风险防控效果,提出了电网企业在具备不同技术条件和风险偏好时的碳资产管理策略。最后,针对现行电网行业碳排放配额分配方案,指出仍需进一步量化评估电网的减排平台作用,制定更为科学的配额分配方案。
关键词
碳市场
电网企业
碳资产管理
支持向量机
数据挖掘
Keywords
carbon market
power grid companies
carbon asset management
support vector machine
data mining
分类号
X322
[环境科学与工程—环境工程]
F426.61
[经济管理—产业经济]
题名 基于支持向量机的电网安全抽检数据分析方法
7
作者
骆星智
赵钰
孙磊
宫杨非
机构
国网安徽省电力有限公司
出处
《信息技术》
2023年第1期126-130,136,共6页
文摘
电网安全数据子集中缺少处理目标函数的松弛变量,导致抽检数据处理线程吞吐量过高,为此,提出支持向量机的电网安全抽检数据分析方法。根据支持向量机提取电网安全抽检数据特征,计算特征子集上的信息维度;利用该信息维度设计支持向量机数据分析函数,采用敏感函数训练损失的电网安全数据子集,处理目标函数松弛变量,构建电网安全抽检数据分析模型,完成电网安全抽检数据分析。实验结果表明,该方法的抽检数据处理线程吞吐量最高为6000条/s,说明电网安全抽检数据分析效果较好。
关键词
支持向量机
电网安全
抽检数据
敏感函数训练
数据挖掘
Keywords
Support vector Machine
power grid security
sampling data
sensitivity function training
data mining
分类号
TP391
[自动化与计算机技术—计算机应用技术]