虚拟电厂下基于基因表达式编程的云边协同分布式异常数据检测算法OACSTPCD
A Cloud-edge Collaboration Distributed Anomaly Data Detection Algorithm Based on Gene Expression Programming in Virtual Power Plant
数据可靠互联对虚拟电厂中各类能源生产、传输以及调度等环节的安全稳定运行至关重要.然而人为失误、采集设备故障、网络恶意攻击等因素导致虚拟电厂各环节业务系统中异常稀疏数据频繁产生.现有基于统计学或机器学习的集中式异常数据检测方法存在依赖数据分布和先验知识、计算复杂度较高、效率低下等缺陷.为了解决上述问题,文章提出一种虚拟电厂下基于基因表达式编程的云边协同分布式异常检测算法.首先,基于云边协同机制,构建虚拟电厂云边协同分布式异常检测体系架构;其次,从算法原理、基于最小二乘的全局异常检测模型生成等方面设计基于基因表达式编程的分布式异常检测算法.基于3个真实数据集和3个开源数据集的仿真实验结果表明,与现有模型相比,提出的算法在异常数据检测的准确率、漏检率、误检率、平均耗时以及加速比方面均具有明显的优势.
吴天琦;葛广凯;韩啸;刘川;张道娟;钱珂翔;陶静
国网智能电网研究院有限公司电力网络安全防护与监测技术实验室,北京市昌平区 102209
动力与电气工程
虚拟电厂基因表达式编程边缘计算异常检测
virtual power plantgene expression programmingedge computinganomaly detection
《电力信息与通信技术》 2024 (001)
47-54 / 8
国家重点研发计划资助项目"规模化灵活资源虚拟电厂聚合互动调控关键技术"(2021YFB2401200).
评论