智能电网中虚假数据注入攻击的定位检测

电力系统短期负荷预测：输入每小时ENTSO-E负载，输入ENTSO-E每小时负荷、天气和风度 Models NRMSE MAE MAPE HMM 0.255 1058.75 0.148 ARIMA 0.198 807.97 0.108 DWT-ARIMA 0.0805 565.91 0.0876

电力系统及自动化综合实验报告

在图卷积网络(GCN)的帮助下，提出了一个更有效的搜索框架，以在有限的尝试下识别尽可能多的关键级联故障。通过离线训练一个GCN可以很好地捕捉级联故障的复杂机理。借助训练好的GCN模型，可以显著加快对临界级联故障的搜索。同时，通过分层相关传播算法实现了GCN模型的可解释性。结果表明，GCN导引的方法不仅可以加速临界级联故障的搜索，而且可以揭示潜在级联故障的预测原因。

态势感知 (SA) 已被认为是电力系统稳定和安全运行的关键保证，尤其是在可再生能源整合后的复杂不确定性下。在本文中，提出了一种人工智能驱动的解决方案，以实现涵盖感知，理解和预测的SA的全面实现，其中最后一个是更先进但具有挑战性的，因此以前没有在任何文献中讨论过。通过聚合两个强大的深度学习结构，提出了一种新颖的SA模型: 卷积神经网络 (CNN) 和长期短期记忆 (LSTM) 递归神经网络。提出的CNN-LSTM模型具有在时空测量数据上实现协作数据挖掘的优势，即从相量测量单元数据中同时学习时空特征。在SA模型中设计了两个功能分支: 应急定位器 (用于检测当前的确切故障位置) 和稳定性预测器 (用于预测将来系统的稳定性状态)。测试一下结果表明，即使在较低的数据充分性水平下，该模型也具有很高的性能 (准确性)。

提出了一种可应用于电力系统充裕度分析的快速组合事件概率求取方法。该方法根据二值决策图的基本原理，采用二叉树作为基本数据结构，在电力系统充裕度计算所有可行状态已知的情况下，只需一次回代即可求出相应的系统充裕度指标，具有原理清晰、算法简单、易于实现的特点。理论分析和实际算例表明，其时间和空间复杂度都是问题规模的线性函数，有着比经典inclusion―exclusion法则更好的计算效率，IEEERTS-24节点系统算例的计算表明了该算法在实际应用中的正确性和有效性。

非常好的电力系统的书籍，深入浅出阐述了系统稳定性方面的问题

状态变量的最小性，体现在减少变量个数就不能够完全表征系统的动态行为，而增加变量数则是完全表征系统动态行为所不需要的。

DL∕T 890.456-2016 能量管理系统应用程序接口（EMS-API） 第456部分：电力系统状态解子集.pdf

《A Modified Binary PSO to solve the Thermal Unit Commitment Problem》完全复现。代码主要做的是一个考虑需求响应的机组组合问题，首先构建了机组组合问题的基本模型，在此基础上，进一步考虑负荷侧管理，也就是需求响应，在调控过程中通过补偿引导负荷侧积极进行需求响应，在模型的求解上，采用了一种基于改进二进制粒子群算法的求解方法，相较于传统的粒子群算法，更加创新。而且求解的效果更好，代码出图效果非常好；