摘要：常规的电网多目标调度方法以负荷波动区间定量调度为主,受到电力系统出力不确定性的影响,电网调度效益较低,不利于电网的经济性运行。因此,设计了基于分布式牛顿法的区域电网多目标模糊优化调度方法。提取区域电网多目标调度负荷时序特征,利用可控负荷节点主动调节电网调度负荷,减轻电网优化调度过程中的不确定性影响。基于分布式牛顿法求解电网多目标模糊调度最优值,在给定区域迭代目标函数最小值,并将多个目标函数转化为一个目标函数,最大限度地减少电网多目标调度的计算量。采用对比实验,验证了该方法的调度效益更高,能够满足电网运行经济性需求。

摘要：针对变电站自动巡检这一场景,研究机器人的自主避障。当机器人的感知仅限于单目视觉时,由于缺乏3D信息,避障将变得更具挑战性。传统的路径规划等避障技术难以适用新场景。对此,提出一种基于策略迭代(DPPO)的自主避障深度强化学习模型,该模型仅以原始的RGB图像为训练数据,实现机器人的快速灵活控制。仿真实验表明,相比于基于值迭代的方法,该模型避障性能更佳。

摘要：随着我国电力网络规模的扩大,电力网络安全隐患日益突出。为解决电网中存在的网络安全问题,本文提出了一种用于在电力网络环境中寻找网络杀伤链及挖掘关联规则的方法。该方法首先基于生成树模式构建能用于描述网络攻击生命周期的网络杀伤链,然后采用OPTICS算法和并行FP-Growth算法消除原始报警中的冗余信息,进而挖掘出网络报警关联规则。最后,我们设计了一个链规则分析模块,用来准确生成能够进一步预测网络攻击的关联规则。为了证明所提出方法的有效性和准确性,我们通过在某电力公司部署的全场景态势感知平台上采集的报警日志进行实验与分析,结果证明本文提出的方法能够有效发现报警日志中的网络杀伤链和关联规则。与此同时,我们在测试数据集中评估了这些关联规则,发现它们都有较高的性能。