隐私计算在新型电力系统中的应用分析与展望

凡航; 徐葳; 范晓昱; 王云河

doi:10.7500/AEPS20221031007

您当前的位置：

首页 >

文章列表页 >

隐私计算在新型电力系统中的应用分析与展望

综述 | 更新时间：2025-06-16

- 隐私计算在新型电力系统中的应用分析与展望
- Application Analysis and Prospect of Privacy-preserving Computation in New Power System
- 电力系统自动化 2023年47卷第19期页码：187-199
- 作者机构：
  
  1.清华大学五道口金融学院,北京市 100084
  2.清华大学交叉信息研究院,北京市 100084
  3.华控清交信息科技(北京)有限公司,北京市 100084
- 作者简介：
  
  凡航(1993—)，男，博士，现为清华大学五道口金融学院博士后，助理研究员，主要研究方向：金融科技、机器学习和隐私计算。E-mail：fanhang123456@163.com
  徐葳(1980—)，男，通信作者，博士，副教授，博士生导师，主要研究方向：分布式系统、隐私计算和金融科技。E-mail：Xuwei@tsinghua.edu.cn
  范晓昱(1998—)，女，博士研究生，主要研究方向：隐私计算、机器学习、分布式系统等。E-mail：fanxy20@mails.tsinghua.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(72241427);铁路基础研究联合基金资助项目(U2268202)
- DOI：10.7500/AEPS20221031007
  中图分类号：
- 收稿：2022-10-31，
  
  修回：2023-05-12，
  
  网络出版：2023-08-01，
  
  纸质出版：2023-10-10
- 稿件说明：
移动端阅览
凡航,徐葳,范晓昱等.隐私计算在新型电力系统中的应用分析与展望[J].电力系统自动化,2023,47(19):187-199.

FAN Hang,XU Wei,FAN Xiaoyu,et al.Application Analysis and Prospect of Privacy-preserving Computation in New Power System[J].Automation of Electric Power Systems,2023,47(19):187-199.
凡航,徐葳,范晓昱等.隐私计算在新型电力系统中的应用分析与展望[J].电力系统自动化,2023,47(19):187-199. DOI： 10.7500/AEPS20221031007.

FAN Hang,XU Wei,FAN Xiaoyu,et al.Application Analysis and Prospect of Privacy-preserving Computation in New Power System[J].Automation of Electric Power Systems,2023,47(19):187-199. DOI： 10.7500/AEPS20221031007.

摘要

新型电力系统是一个以新能源为主体的典型信息-物理-社会融合系统，利用跨主体的数据进行联合智能计算和智能调控，对于保障电力系统的安全稳定运行具有重要意义。随着国家数据资产化和数据安全相关法案的出台，在包含多主体的市场中保护数据隐私、避免数据直接共享逐渐得到广泛关注。较多的研究者开始探讨使用隐私计算方法在保护原始数据的同时实现数据挖掘和分析。但隐私计算技术种类丰富、安全假设多样，需要根据具体应用场景和需求特性（如安全要求、性能要求、准确度要求等）有针对性地设计隐私计算方案。文中对隐私计算的基本概念进行了阐述，并对该技术目前在新型电力系统中的多个应用场景进行了分析和总结。最后，讨论了当前应用中存在的问题和不足，给出了未来在新型电力系统中实现隐私计算应用的相关建议。相关思考有望为电网领域隐私计算的研究和应用提供参考，并最终促进能源领域数据的安全、高效流通。

Abstract

The new power system is a typical cyber-physical-social integrated system with renewable energy as the main body. It is of great significance to use cross-subject data for joint intelligent computing and intelligent regulation to ensure the safe and stable operation of the power system. With the introduction of related laws on national data assetization and data security

preserving data privacy and avoiding direct data sharing in markets including multiple antities has gradually received widespread attention. More and more researchers begin to explore the use of privacy-preserving computation methods to achieve data mining and analysis while protecting the original data. However

there are various types of privacy-preserving computation technologies and diverse security assumptions

which require targeted design of privacy computing solutions based on specific application scenarios and demand characteristics

such as security requirements

performance requirements

and accuracy requirements. The basic concepts of privacy computing are expounded and multiple application scenarios of this technology in new power systems are analyzed and summarized. Privacy-preserving computation technology is a cutting-edge technology involving cryptography

computer science

and network science. Finally

the problems and shortcomings in current applications are discussed

and relevant suggestions for implementing privacy computing applications in new power systems in the future are given. It is expected that the relevant thoughts can provide a reference for the research and application of privacy computing in the power grid field

and ultimately promote the safe and efficient circulation of data in the energy industry.

关键词

Keywords

references

孙珂，杨丽坡，李江涛 . 构建新型电力系统统筹低碳安全保供［N］. 国家电网报， 2021-12-14 （005）.

SUN Ke ， YANG Lipo ， LI Jiangtao . Building a new type of power system to coordinate low carbon safety and ensure supply ［N］. State Grid News ， 2021-12-14 （005）.

中大咨询能源事业部 . 新型电力系统内涵解读：总框架与运行形态［N］. 澎湃新闻， 2021-10-23 （002）.

Zhongda Consulting Energy Business Unit . Interpretation of the connotation of the new power system： general framework and operation form ［N］. Pengpai News ， 2021-10-23 （002）.

FAN H ， ZHANG X M ， MEI S W ， et al . M2GSNet： multi-modal multi-task graph spatiotemporal network for ultra-short-term wind farm cluster power prediction ［J］. Applied Sciences ， 2020 ， 10 （ 21 ）： 7915 .

HONG T ， PINSON P ， WANG Y ， et al . Energy forecasting： a review and outlook ［J］. IEEE Open Access Journal of Power and Energy ， 2020 ， 7 ： 376 - 388 .

LI S T ， LI J Y . Condition monitoring and diagnosis of power equipment： review and prospective ［J］. High Voltage ， 2017 ， 2 （ 2 ）： 82 - 91 .

央视网 . 中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定［EB/OL］.［ 2022-08-30 ］. https：//baijiahao.baidu.com/s？id=164935 6270872775720&wfr=spider&for=pc https://baijiahao.baidu.com/s?id=1649356270872775720&wfr=spider&for=pc .

CNTV . Decision of the Central Committee of the Communist Party of China on several major issues of adhering to and improving the socialism with Chinese characteristics system and promoting the modernization of national governance system and governance capability ［EB/OL］. ［ 2022-08-30 ］. https：//baijiahao.baidu.com/s？id=1649356270872775720&wfr=spide r&for=pc https://baijiahao.baidu.com/s?id=1649356270872775720&wfr=spider&for=pc .

全国人民代表大会 . 关于《中华人民共和国数据安全法（草案）》审议结果的报告［EB/OL］.［ 2022-08-30 ］. http：//www.npc.gov.cn/npc/c30834/202106/a2292e20dfa743febe23b01fa6aa330b.shtml http://www.npc.gov.cn/npc/c30834/202106/a2292e20dfa743febe23b01fa6aa330b.shtml .

National People’s Congress . Report on the review results of “Data Security Law of the People’s Republic of China （Draft） ”［EB/OL］. ［ 2022-08-30 ］. http：//www.npc.gov.cn/npc/c30834/202106/a2292e20dfa743febe23b01fa6aa330b.shtml http://www.npc.gov.cn/npc/c30834/202106/a2292e20dfa743febe23b01fa6aa330b.shtml .

郭庆来，王博弘，田年丰，等 . 能源互联网数据交易：架构与关键技术［J］. 电工技术学报， 2020 ， 35 （ 11 ）： 2285 - 2295 .

GUO Qinglai ， WANG Bohong ， TIAN Nianfeng ， et al . Data transactions in energy Internet： architecture and key technologies ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 11 ）： 2285 - 2295 .

中国南方电网有限责任公司 . 中国南方电网有限责任公司数据资产定价方法（试行）［R/OL］.（ 2021-03-18 ）［ 2022-08-30 ］. https：//power.in-en.com/html/power-2385119.shtml https://power.in-en.com/html/power-2385119.shtml .

China Southern Power Grid Co.， Ltd . Data asset pricing method of China Southern Power Grid Co. ， Ltd. （trial）［R/OL］. （ 2021-03-18 ）［ 2022-08-30 ］. https：//power.in-en.com/html/power-2385119.shtml https://power.in-en.com/html/power-2385119.shtml .

中共中央，国务院 . 关于构建数据基础制度更好发挥数据要素作用的意见［EB/OL］.［ 2022-12-19 ］. https：//www.gov.cn/zhengce/2022-12/19/content_5732695.htm https://www.gov.cn/zhengce/2022-12/19/content_5732695.htm .

The Central Committee of the Communist Party of China ， the State Council . Opinions on building a data infrastructure system to better play the role of data elements ［EB/OL］. ［ 2022-12-19 ］. https：//www.gov.cn/zhengce/2022-12/19/content_57326 95.htm https://www.gov.cn/zhengce/2022-12/19/content_5732695.htm .

WANG J X ， GAO F ， ZHOU Y Z ， et al . Data sharing in energy systems ［J］. Advances in Applied Energy ， 2023 ， 10 ： 100132 .

周劼英，张晓，邵立嵩，等 . 新型电力系统网络安全防护挑战与展望［J］. 电力系统自动化， 2023 ， 47 （ 8 ）： 15 - 24 .

ZHOU Jieying ， ZHANG Xiao ， SHAO Lisong ， et al . Challenges and prospects of cyber security protection for new power system ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 8 ）： 15 - 24 .

中国工商银行股份有限公司金融科技研究院，华控清交信息科技（北京）有限公司 . 隐私计算推动金融业数据生态建设白皮书［R/OL］.［ 2022-08-30 ］. https：//baijiahao.baidu.com/s？id=1717210187616235824&wfr=spider&for=pc https://baijiahao.baidu.com/s?id=1717210187616235824&wfr=spider&for=pc .

Industrial and Commercial Bank of China Limited Financial Technology Research Institute ， Huakong TingJiao Information Science （Beijing） Co. ， Ltd . White paper on promoting the construction of financial industry data ecology through privacy computing ［R/OL］. ［ 2022-08-30 ］. https：//baijiahao.baidu.com/s？id=1717210187616235824&wfr=spider&for=pc https://baijiahao.baidu.com/s?id=1717210187616235824&wfr=spider&for=pc .

隐私计算联盟，中国信息通信研究院云计算与大数据研究所 . 隐私计算白皮书（2021）［R/OL］.［ 2022-08-30 ］. http：//www.xinhuanet.com/tech/20210720/5d6dfb1c9804413f93441ab6c4424af5/c.html http://www.xinhuanet.com/tech/20210720/5d6dfb1c9804413f93441ab6c4424af5/c.html .

Privacy Computing Alliance， China Academy of Information and Communications Cloud Computing and Big Data Research Institute . Privacy computing white paper （ 2021 ）［R/OL］. ［ 2022-08-30 ］. http：//www.xinhuanet.com/tech/20210720/5d6dfb1c9804413f93441ab6c4424af5/c.html http://www.xinhuanet.com/tech/20210720/5d6dfb1c9804413f93441ab6c4424af5/c.html .

FONTAINE C ， GALAND F . A survey of homomorphic encryption for nonspecialists ［J］. EURASIP Journal on Information Security ， 2007 ， 2007 （ 1 ）： 013801 .

ACAR A ， AKSU H ， ULUAGAC A S ， et al . A survey on homomorphic encryption schemes： theory and implementation ［J］. ACM Computing Surveys ， 2018 ， 51 （ 4 ）： 1 - 35 .

WANG W ， HU Y ， CHEN L M ， et al . Accelerating fully homomorphic encryption using GPU ［C］// 2012 IEEE Conference on High Performance Extreme Computing ， September 10-12 ， 2012 ， Waltham， USA ： 1 - 5 .

YAO A C . Protocols for secure computations ［C］// 23rd Annual Symposium on Foundations of Computer Science （SFCS 1982 ）， November 3-5 ， 1982 ， Chicago， USA ： 160 - 164 .

YAO A C . How to generate and exchange secrets ［C］// 27th Annual Symposium on Foundations of Computer Science （SFCS 1986 ）， October 27-29 ， 1986 ， Toronto， Canada ： 162 - 167 .

DAMGÅRD I ， PASTRO V ， SMART N ， et al . Multiparty computation from somewhat homomorphic encryption ［M］// Lecture notes in computer science . Berlin， Germany ： Springer Berlin Heidelberg ， 2012 ： 643 - 662 .

KOLESNIKOV V ， MOHASSEL P ， ROSULEK M . FleXOR： flexible garbling for XOR gates that beats free-XOR ［M］// Advances in cryptology—CRYPTO 2014 . Berlin， Germany ： Springer Berlin Heidelberg ， 2014 ： 440 - 457 .

ZAHUR S ， ROSULEK M ， EVANS D . Two halves make a whole ［M］// Advances in cryptology—EUROCRYPT 2015 . Berlin， Germany ： Springer Berlin Heidelberg ， 2015 ： 220 - 250 .

LI Y ， XU W . PrivPy： general and scalable privacy-preserving data mining ［C］// Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining ， August 4-8 ， 2019 ， Anchorage， USA ： 1299 - 1307 .

KONEČNÝ J ， MCMAHAN H B ， YU F X ， et al . Federated learning： strategies for improving communication efficiency ［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/1610.05492 https://arxiv.org/abs/1610.05492 .

SUN Z T ， KAIROUZ P ， SURESH A ， et al . Can you really backdoor federated learning？［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/1911.07963 https://arxiv.org/abs/1911.07963 .

KAIROUZ P ， MCMAHAN H B ， AVENT B ， et al . Advances and open problems in federated learning ［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/1912.04977 https://arxiv.org/abs/1912.04977 .

DWORK C . Differential privacy： a survey of results ［C］// International Conference on Theory and Applications of Models of Computation ， April 25-29 ， 2008 ， Xi’an， China ： 1 - 19 .

ABADI M ， CHU A ， GOODFELLOW I ， et al . Deep learning with differential privacy ［C］// Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security ， October 24-28 ， 2016 ， Vienna， Austria ： 308 - 318 .

KHANDAKER M R ， CHENG Y Q ， WANG Z ， et al . COIN attacks： on insecurity of enclave untrusted interfaces in SGX ［C］// Proceedings of the 25th International Conference on Architectural Support for Programming Languages and Operating Systems ， March 16-20 ， 2020 ， Lausanne， Switzerland ： 971 - 985 .

ZILLER A ， TRASK A ， LOPARDO A ， et al . PySyft： a library for easy federated learning ［M］// Federated learning systems . Cham， Switzerland ： Springer International Publishing ， 2021 ： 111 - 139 .

KNOTT B ， VENKATARAMAN S ， HANNUN A ， et al . CrypTen： secure multi-party computation meets machine learning ［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/2109.00984 https://arxiv.org/abs/2109.00984 .

CHENG Y ， LIU Y ， CHEN T J ， et al . Federated learning for privacy-preserving AI ［J］. Communications of the ACM ， 2020 ， 63 （ 12 ）： 33 - 36 .

BOS J W ， CASTRYCK W ， ILIASHENKO I ， et al . Privacy-friendly forecasting for the smart grid using homomorphic encryption and the group method of data handling ［M］// Progress in cryptology—AFRICACRYPT 2017 . Cham， Switzerland ： Springer International Publishing ， 2017 ： 184 - 201 .

WANG Y ， MA J H ， GAO N ， et al . Federated fuzzy k -means for privacy-preserving behavior analysis in smart grids ［J］. Applied Energy ， 2023 ， 331 ： 120396 .

LIU H Z ， ZHANG X ， SHEN X W ， et al . A federated learning framework for smart grids： securing power traces in collaborative learning ［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/2103.11870 https://arxiv.org/abs/2103.11870 .

钱佳威 . 智能电网上的隐私数据共享技术的理论与应用［D］. 上海：华东师范大学， 2022 .

QIAN Jiawei . Theory and application of privacy data sharing technology on smart grid ［D］. Shanghai ： East China Normal University ， 2022 .

CHEN K J ， ZHANG Y ， WANG Q ， et al . Scale- and context-aware convolutional non-intrusive load monitoring ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 3 ）： 2362 - 2373 .

刘竹森 . 隐私保护的数据聚合与安全两方计算研究［D］. 上海：华东师范大学， 2022 .

LIU Zhusen . Research on data aggregation and secure computing for privacy protection ［D］. Shanghai ： East China Normal University ， 2022 .

SWEENEY C ， BESSA R J ， BROWELL J ， et al . The future of forecasting for renewable energy ［J］. WIREs Energy and Environment ， 2020 ， 9 （ 2 ）.

GONÇALVES C ， BESSA R J ， PINSON P . A critical overview of privacy-preserving approaches for collaborative forecasting ［J］. International Journal of Forecasting ， 2021 ， 37 （ 1 ）： 322 - 342 .

FAN H ， FAN X Y ， HAO T Y ， et al . Privacy preserving ultra-short-term wind power prediction based on secure multi-party computation ［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/2301.13513 https://arxiv.org/abs/2301.13513 .

LU Y ， ZHU M H . Privacy preserving distributed optimization using homomorphic encryption ［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/1805.00572 https://arxiv.org/abs/1805.00572 .

ZHOU X ， WANG B ， GUO Q L ， et al . Bidirectional privacy-preserving network-constrained peer-to-peer energy trading based on secure multiparty computation and blockchain ［J/OL］. IEEE Transactions on Power Systems ， 1 - 12 ［ 2021-08-30 ］. https：//ieeexplore.ieee.org/abstract/document/10089177 https://ieeexplore.ieee.org/abstract/document/10089177 .

WANG N ， CHAU S C K ， ZHOU Y . Privacy-preserving energy storage sharing with blockchain and secure multi-party computation ［J］. ACM SIGEnergy Energy Informatics Review ， 2021 ， 1 （ 1 ）： 32 - 50 .

GONÇALVES C ， BESSA R J ， PINSON P . Privacy-preserving distributed learning for renewable energy forecasting ［J］. IEEE Transactions on Sustainable Energy ， 2021 ， 12 （ 3 ）： 1777 - 1787 .

郭庆来，田年丰，孙宏斌 . 支撑能源互联网协同优化的隐私计算关键技术［J］. 电力系统自动化， 2023 ， 47 （ 8 ）： 2 - 14 .

GUO Qinglai ， TIAN Nianfeng ， SUN Hongbin . Key technologies of privacy computation supporting collaborative optimization of Energy Internet ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 8 ）： 2 - 14 .

吴志伟 . 智能电网中基于边缘计算的隐私保护与数据共享方案［D］. 北京：华北电力大学， 2022 .

WU Zhiwei . Privacy protection and data sharing scheme based on edge computing in smart grid ［D］. Beijing ： North China Electric Power University ， 2022 .

赵丙镇，陈智雨，闫龙川，等 . 基于区块链架构的电力业务交易数据隐私保护［J］. 电力系统自动化， 2021 ， 45 （ 17 ）： 20 - 26 .

ZHAO Bingzhen ， CHEN Zhiyu ， YAN Longchuan ， et al . Privacy protection of power business transaction data based on blockchain framework ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 17 ）： 20 - 26 .

刘昊，郭烨，孙宏斌 . 中国跨区跨省电力交易综述及展望［J］. 电力系统自动化， 2022 ， 46 （ 15 ）： 187 - 199 .

LIU Hao ， GUO Ye ， SUN Hongbin . Review and prospect of inter-regional and inter-provincial power trading in China ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 15 ）： 187 - 199 .

潘建辉，张宁，雍培，等 . 面向海量灵活性资源的两阶段分布式协同调度方法［J］. 电力系统自动化， 2023 ， 47 （ 15 ）： 67 - 79 .

PAN Jianhui ， ZHANG Ning ， YONG Pei ， et al . Two-stage distributed collaborative dispatching method for massive flexible resources ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 15 ）： 67 - 79 .

TAÏK A ， CHERKAOUI S . Electrical load forecasting using edge computing and federated learning ［C］// 2020 IEEE International Conference on Communications （ICC）， June 7-11 ， 2020 ， Dublin， Ireland ： 1 - 6 .

WANG Y ， BENNANI I L ， LIU X F ， et al . Electricity consumer characteristics identification： a federated learning approach ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 4 ）： 3637 - 3647 .

杨冠群，刘荫，郑海杰，等 . 基于信息熵的联邦学习异常用电识别［J］. 软件导刊， 2022 ， 21 （ 10 ）： 123 - 130 .

YANG Guanqun ， LIU Yin ， ZHENG Haijie ， et al . Information entropy-based federal learning for identifying abnormal electricity consumption ［J］. Software Guide ， 2022 ， 21 （ 10 ）： 123 - 130 .

刘长杰，石润华 . 基于安全高效联邦学习的智能电网入侵检测模型［J］. 信息网络安全， 2023 ， 23 （ 4 ）： 90 - 101 .

LIU Changjie ， SHI Runhua . A smart grid intrusion detection model for secure and efficient federated learning ［J］. NetInfo Security ， 2023 ， 23 （ 4 ）： 90 - 101 .

林兆亮，李晋国，黄润渴 . V2G网络中基于联邦学习和CNN-BiLSTM的DDoS攻击检测［J］. 计算机应用研究， 2023 ， 40 （ 1 ）： 272 - 277 .

LIN Zhaoliang ， LI Jinguo ， HUANG Runke . DDoS in V2G： intrusion detection based on federated learning and CNN-BiLSTM ［J］. Application Research of Computers ， 2023 ， 40 （ 1 ）： 272 - 277 .

戴理朋，杨鑫，徐茹枝 . 联邦学习在电力数据分析中的应用及隐私保护研究［J］. 电力信息与通信技术， 2022 ， 20 （ 11 ）： 47 - 56 .

DAI Lipeng ， YANG Xin ， XU Ruzhi . Research on the application of federated learning in power data analysis and privacy protection ［J］. Electric Power Information and Communication Technology ， 2022 ， 20 （ 11 ）： 47 - 56 .

WANG Y ， ZHANG W J ， GUO Q L ， et al . A privacy-preserving wind speed prediction method based on federated deep learning ［C］// 2022 4th International Conference on Power and Energy Technology （ICPET）， July 28-31 ， 2022 ， Beijing， China ： 638 - 643 .

TAN A Z ， YU H ， CUI L Z ， et al . Towards personalized federated learning ［J/OL］. IEEE Transactions on Neural Networks and Learning Systems ［ 2022-08-30 ］. https：//doi.org/10.48550/arxiv.2103.00710 https://doi.org/10.48550/arxiv.2103.00710 .

JIA M S ， HUANG S W ， WANG Z W ， et al . Privacy-preserving distributed parameter estimation for probability distribution of wind power forecast error ［J］. Renewable Energy ， 2021 ， 163 ： 1318 - 1332 .

LI Y ， LI J Z ， WANG Y . Privacy-preserving spatiotemporal scenario generation of renewable energies： a federated deep generative learning approach ［J］. IEEE Transactions on Industrial Informatics ， 2022 ， 18 （ 4 ）： 2310 - 2320 .

LEE S ， XIE L ， CHOI D H . Privacy-preserving energy management of a shared energy storage system for smart buildings： a federated deep reinforcement learning approach ［J］. Sensors ， 2021 ， 21 （ 14 ）： 4898 .

曹辉 . 智能电网本地化差分隐私保护研究［D］. 武汉：武汉大学， 2020 .

CAO Hui . Research on localized differential privacy protection of smart grid ［D］. Wuhan ： Wuhan University ， 2020 .

WANG H X ， ZHANG J S ， LU C B ， et al . Privacy preserving in non-intrusive load monitoring： a differential privacy perspective ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 3 ）： 2529 - 2543 .

刘兴 . 基于强化学习的智能电表隐私保护和P2P能量交易［D］. 重庆：西南大学， 2021 .

LIU Xing . Privacy protection of smart meters and P2P energy trading based on reinforcement learning ［D］. Chongqing ： Southwest University ， 2021 .

李晨阳 . 智能电网环境下的隐私保护技术研究与实现［D］. 北京：北京邮电大学， 2020 .

LI Chenyang . Research and implementation of privacy protection technology in smart grid environment ［D］. Beijing ： Beijing University of Posts and Telecommunications ， 2020 .

刘恩东 . 智能电网隐私保护相关问题研究［D］. 杭州：浙江大学， 2018 .

LIU Endong . Research on privacy protection of smart grid ［D］. Hangzhou ： Zhejiang University ， 2018 .

DVORKIN V ， FIORETTO F ， VAN HENTENRYCK P ， et al . Differentially private optimal power flow for distribution grids ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 3 ）： 2186 - 2196 .

AKGÜN M ， SOYKAN E U ， SOYKAN G . A privacy-preserving scheme for smart grid using trusted execution environment ［J］. IEEE Access ， 2023 ， 11 ： 9182 - 9196 .

SEBASTIAN D J ， AGRAWAL U ， TAMIMI A ， et al . DER-TEE： secure distributed energy resource operations through trusted execution environments ［J］. IEEE Internet of Things Journal ， 2019 ， 6 （ 4 ）： 6476 - 6486 .

凡航，徐葳，王倩雯，等 . 多方安全计算框架下的智能合约方法研究［J］. 信息安全研究， 2022 ， 8 （ 10 ）： 956 - 963 .

FAN Hang ， XU Wei ， WANG Qianwen ， et al . Research on smart contract method in the framework of secure multi-party computation ［J］. Journal of Information Security Research ， 2022 ， 8 （ 10 ）： 956 - 963 .

ARROW K J ， FORSYTHE R ， GORHAM M ， et al . The promise of prediction markets ［J］. Science ， 2008 ， 320 （ 5878 ）： 877 - 878 .

MANN A . The power of prediction markets ［J］. Nature ， 2016 ， 538 （ 7625 ）： 308 - 310 .

BUBECK S ， CHANDRASEKARAN V ， ELDAN R ， et al . Sparks of artificial general intelligence： early experiments with GPT-4 ［EB/OL］. ［ 2022-08-30 ］. https：//arxiv.org/abs/2303. 12712 https://arxiv.org/abs/2303.12712 .

GUAN Z T ， ZHOU X ， LIU P ， et al . A blockchain-based dual-side privacy-preserving multiparty computation scheme for edge-enabled smart grid ［J］. IEEE Internet of Things Journal ， 2022 ， 9 （ 16 ）： 14287 - 14299 .

CUI J S ， GU N ， WU C Y . Blockchain enabled data transmission for energy imbalance market ［J］. IEEE Transactions on Sustainable Energy ， 2022 ， 13 （ 2 ）： 1254 - 1266 .

SHAMSI M ， CUFFE P . A prediction market trading strategy to hedge financial risks of wind power producers in electricity markets ［J］. IEEE Transactions on Power Systems ， 2021 ， 36 （ 5 ）： 4513 - 4523 .

WANG B H ， XIA T ， GUO Q L ， et al . Data valuation in electricity transactions with uncertainty considering risk preferences ［C］// 2022 IEEE 5th International Electrical and Energy Conference （CIEEC）， May 27-29 ， 2022 ， Nangjing， China ： 917 - 921 .

WANG B H ， GUO Q L ， YANG T Y ， et al . Data valuation for decision-making with uncertainty in energy transactions： a case of the two-settlement market system ［J］. Applied Energy ， 2021 ， 288 ： 116643 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

新能源侧电池储能系统运行评价：现状与展望

基于导纳稳定容量的新能源并网强度评估

基于Copula时空相关性模型的新能源容量置信度准时序评估

新型电力系统柔性构网技术及其应用