近日，威尼斯886699青年教师渠博岗博士关于电力系统状态估计与信息感知的两项研究工作在国际顶级期刊IEEE Transactions on Smart Grid及Automatica上发表，合作单位包括东华大学、英国布鲁奈尔大学、谢菲尔德大学等。
论文一：Secure particle filtering with Paillier encryption-decryption scheme: Application to multi-machine power grids
图1 加密-解密机制下的多机电力系统安全状态估计示意图
随着信息化及数字化技术的不断应用，传统电力系统也正转变成为一个庞大而复杂的信息物理融合系统。然而，这些新兴技术的引入不可避免的使电力系统信息流面临被窃听的风险，同时也可能使得整个电力系统暴露于网络安全威胁之中。因此，为了有效保护数据隐私并提高状态估计的安全性，本文基于Paillier加密-解密机制为同步发电机设计了安全状态估计算法。具体地：1）量测数据在通过通信网络传输之前被映射到了密文空间以保障其的隐私性及安全性；2）基于粒子滤波算法解决了同步发电机的强非线性及可能存在的非高斯噪声给状态估计的准确性所带来的影响；3）改进了粒子滤波算法的似然函数设计方法，使得其能够应对Paillier加密-解密机制引入后对量测数据分布的改变。
该论文发表在IEEE Transactions on Smart Grid, 该期刊是智能电网领域的顶级期刊（SCI 1区Top, 2023年IF: 10.275）。(DOI：10.1109/TSG.2023.3271949)
论文二：Decentralized dynamic state estimation for multi-machine power systems with non-Gaussian noises: Outlier detection and localization
图2 多工况下的算法验证：
（a）脉冲型测量离群值的检测、定位及其影响下的状态估计 （b）连续型测量离群值的检测、定位及其影响下的状态估计 （c）性能边界
随着电网规模的日益增长以及对天气等外部因素较为敏感的新能源发电装置的广泛渗透，传统的集中式状态估计算法已难以应对实际电网的强非线性以及广泛存在的离群量测和非高斯扰动。因此，本文着眼于解决非高斯噪声及离群测量影响下的电力系统的去中心化状态估计问题。具体来说：1）基于模型解耦技术提高了状态估计算法的执行效率；2）基于粒子滤波技术解决了电力系统强非线性及非高斯噪声给状态估计所带来的影响；3）设计了能够在线运行的基于滑动窗口的离群量测值检测与定位算法，并将其嵌入到了粒子滤波算法框架；4）分析了算法的性能，为算法的实际应用提供了性能边界。
该论文发表在Automatica, 该期刊是控制科学领域的顶级期刊（SCI 2区Top, 2023年IF: 6.15）。(DOI: 10.1016/j.automatica.2023.111010)
威尼斯886699
2023年05年15日