摘要:为提升对有源台区内海量分布式电力设备的安全管理能力，提出一种面向有源台区的电力设备太赫兹指纹识别防篡改与分簇联邦学习协同方法。首先通过特殊的工艺制作电力设备太赫兹标签，提供物理防伪基础；进而提出一种双分支多模态卷积神经网络识别设备指纹是否存在异常篡改；最后设计了一种分簇联邦学习(FL)训练方法，避免因隐私问题导致的防篡改识别模型的数据难以共享共用，并实现有源台区内多设备太赫兹指纹数据的分布式联合建模与高效协同训练。实验结果表明，本文所提方法的指纹识别精确度达到90%以上，比传统直方图相似度算法识别精确度提升了212%。本文所提方法在提高设备指纹识别精确度、增加训练效率和数据可用不可见等方面均具有显著优势，为电力设备的安全监测及预防攻击提供了新的技术路径。

摘要:随着高频斩波调制技术的应用，直流微电网中超高频噪声干扰愈发严重，极端情况下已影响到系统的稳定运行。为提升系统抗干扰能力和动态运行性能，本文提出一种面向含储能系统的直流微电网分层协同抗扰控制方法。设计了一种非平滑复合调节法则，通过采用前馈补偿缓解不断增加的超高频噪声扰动；基于低通信成本的非平滑动态平均共识协议，建立了一种动态下垂策略，旨在为荷电状态均衡进行动态功率分配；利用动态功率分配策略和每个储能单元的一次控制，确保荷电状态动态平衡和系统级母线电压的稳定性。通过硬件仿真验证，相较于常规策略，所提策略具备更强的抗干扰能力，可用于多种储能支撑微电网系统的稳定性。

摘要:随着以光伏发电(PV)为代表的可再生能源分布式发电渗透率提升，有源配电网面临潮流倒送、电压越限等问题。因光伏逆变终端与中央控制器间通信为全时全域异构网络，通信延时不可避免，导致控制性能降低甚至系统失稳。为此，设计光伏逆变器有功功率控制，调整配电网功率分布与调节节点电压；提出计及通信时延的线性化状态空间模型，采用线性矩阵不等式(LMI)方法获得通信时延依赖稳定性准则，确定时延裕度，保证系统运行稳定性。仿真试验结果表明，所构建空间模型及时延裕度计算能够有效提升系统鲁棒性，并适用于有源配电网中的多光伏系统。

摘要:近年来，基于数字孪生的研究逐步在电力通信领域展开，其中部分工作着重于数字孪生模型的构建和虚实映射能力，另有研究探索了多路径路由优化技术，但在动态故障恢复中的应用仍较为有限。为此，本文提出一种基于数字孪生的迂回路由重构方法，通过构建电力通信网的数字孪生体，对链路运行参数和通信设备进行建模分析。该方法通过实时监测网络状态，能够自动判断故障节点。同时，在路由重构规划中，引入改进遗传算法(IGA)，充分考虑链路时延、带宽和电力业务的优先级，确保了迂回路径选择的精准性与高效性。实验结果表明，数字孪生和改进遗传算法的引入显著缩短了故障恢复时间，提升了通信质量与网络自适应性，为电网的安全运行提供了可靠的技术保障。

摘要:随着"双碳"战略的推进，配电网由传统单向辐射供给向多分布式电源参与的有源配电网转变。配电云主站采集各分布式电源并实现多源协同依赖于稀疏的通信网络，因此受到虚假数据注入(FDI)恶意攻击的威胁。为应对具备高频高阶导数无界的广义FDI威胁，提出一种面向有源配电网的完全分布式二次韧性控制策略。借助高阶积分压制系数，有限阶导数有界的控制通道FDI得到抑制。通过Lyapunov法证明，所提出的防御策略可实现频率调节的均匀最终有界(UUB)收敛，并在改进型IEEE 9-bus系统有源配电网上进行了验证。

摘要:长期的能耗数据记录和分析有助于发现能源消耗的趋势和规律，为制定碳减排策略提供重要参考。重点碳排放监测用户的能耗数据涉及多种类型，不仅要对用户的能耗数据聚类进行分析，还需研究更加精确的聚类结果可视化方法。对此，本文提出一种基于Tent混沌序列灰狼优化的模糊C-均值算法(TGWO-FCM)，对用户的能耗数据进行分析。将用户能耗数据的聚类中心看作灰狼个体进行寻优，解决FCM算法对初始聚类中心位置敏感、容易陷入局部最优的缺点；采用均匀流形逼近与投影(UMAP)的数据降维方法降低能耗数据的复杂度，将高维能耗数据映射到二维或三维空间中，从而实现对数据的直观可视化。实验结果表明，本文方法可将具有相似能耗模式的用户归为同一类别，不仅揭示了用户间的能耗模式差异，还为制定针对性的节能减排政策提供了科学依据。

摘要:随着城市电气化和可再生能源技术的发展，分布式电源在配电系统中发挥着重要作用，但其随机波动性和不确定性对系统的智能化调控和稳定性提出了挑战。为此，本文基于数智化能源互联网的信息物理系统(CPS)融合理念，提出一种新的概率潮流计算方法。该方法通过构建信息物理融合模型，利用传感与计算的协同机制全面感知系统动态运行，考虑分布式电源发电的随机波动性，构建了风力和光伏发电的出力概率模型，并运用Copula理论建立了风光电场出力相关性的联合模型。此外，提出了基于高斯混合模型的负荷概率特性分析方法，并在此基础上，采用概率密度演化方程，通过有限差分法实现高效求解，从而开发出一套面向数智化能源系统的概率潮流计算方法。该方法为分布式电源主导的配电系统提供了精准、高效的计算途径，助力数智化能源系统的安全、稳定和智能运行。

摘要:随着分布式能源的普及，有源配电台区内大量分布式“边-端”设备的身份认证和行为识别越来越具有挑战性。受损设备可能会危及配电网的安全性，恶意设备则可以通过注入虚假和恶意数据破坏网络的完整性。与高成本的基于密钥的安全方案相比，使用基于信任的安全性检测恶意节点是一种有效且轻量化的对策。本文提出一种高效信任值评估机制，可有效区分恶意设备，并防御开关和拒绝服务(DoS)攻击。使用贝叶斯估计方法收集并计算边端设备的直接和间接信任值，进一步考虑随时间收集的数据的相关性，通过应用两阶段信任评估框架，在动态环境中实现精确的信任评估，进而确保数据传输的安全性。与现有方法相比，提出的方法在恶意节点检测方面延迟更少，网络吞吐量更高。

摘要:复合材料夹芯结构在制备过程中会出现多种缺陷，使用过程中会造成安全隐患。太赫兹无损检测技术已被证明是对复合材料夹芯结构进行缺陷检测的有效手段，但在缺陷检测过程中，因为太赫兹图像边缘模糊、分辨力低等问题，存在缺陷漏检、误检等问题。为提高检测准确率，实现缺陷自动检测，本文提出利用改进的YOLOv5网络模型对缺陷进行检测。具体改进包括在Backbone模块不同位置添加卷积块注意力机制(CBAM)，提高网络的抗干扰能力，获取更多的缺陷细节信息；根据BiFPN将Neck端增加两条跨尺度连接路径，增加不同网络层的信息传递，将改进的GhostC3模块替换Neck端的C3模块，在保持精确度的同时减少参数和计算量，可快速正确检测出缺陷。结果显示，改进的YOLOv5的平均准确度(mAP)为90.4%，较原始网络提升了0.9个百分点，同时参数量和浮点运算次数(FLOPs)分别减少了18.25%和12.66%，加速了模型的训练过程，可较为精确快速地检测出缺陷。

摘要:针对W波段4路平面集成行波管收集极的应用需求，通过计算机仿真技术(CST)软件对4路阵列电子注共用的平面收集极进行优化设计，并结合注-波互作用后的电子注能量分布特性分析，计算了在不同电压下收集极的效率和返流情况，最终选定-11.4 kV为收集极工作电压，并分析了工作电压0 kV和-11.4 kV时的电子轨迹分布。计算了收集极的热损耗功率，利用ANSYS软件分析了收集极工作于-11.4 kV时的热分布情况。研究结果表明，该收集极能够高效率地回收4路互作用完成后电子注能量，收集极工作电压为-11.4 kV时效率最高且没有返流，此时热损耗功率产生的温度变化在可承受范围之内。

摘要:接有频变负载的传输线系统的瞬态响应行为是电磁兼容领域研究的重点问题之一，其与设备整体工作状态密切相关。然而，当负载由电容、电感等元件构成频变网络时，直接分析电磁脉冲激励下传输线的瞬态响应问题存在较大困难。本文基于Agrawal模型对传输线进行建模，通过状态变量方程构建描述频变网络负载瞬态响应特性的方程组，实现了集总激励源作用下传输线系统瞬态响应的求解；使用时域有限差分方法计算传输线周围激励场，将等效激励电压源引入Agrawal模型，完成对外场激励下腔体内传输线瞬态行为的分析。计算结果验证了所提方法的可行性、高效性和准确性。

摘要:本文实现了一种高效率频率可重构AB类功放，通过阻抗拟合算法优化匹配结构，实现了不同频率条件下的复阻抗与50 Ω输出负载阻抗的同步匹配，提升漏极效率(DE)并拓展了带宽。测试结果表明，在2.2~2.6 GHz的400 MHz内，饱和输出功率为39.74~42.05 dBm，漏极效率为62.29%~76.19%；在3.1~3.5 GHz的400 MHz内，饱和输出功率为41.03~42.71 dBm，漏极效率为46.91%~71.19%。

摘要:物理不可克隆函数(PUF)是一种实用性极强的硬件安全原语，广泛应用于物联网设备认证等信息安全领域。然而强PUF的输入输出之间关联性较强，易受到机器学习(ML)算法的攻击。为此，通过对延时可控单元和双边沿触发机理的研究，提出一种基于延时可控的双边沿仲裁器PUF(APUF)电路。通过延时可控开关电路，优化APUF的路径，调节电路延迟偏差以降低激励响应对(CRP)间的相关性；采用上升沿和下降沿仲裁器分别采集PUF电路双边沿延时响应，成倍提高APUF的CRP数量，以提高信息熵利用率；基于TSMC 65 nm CMOS工艺及Cadence Virtuoso设计平台，全定制设计电路与版图。实验结果表明：电路的逻辑功能正确，PUF的唯一性和可靠性分别为51.01%和0.025 57，且对应逻辑回归(LR)、支持向量机(SVM)、人工神经网络(ANN)和轻量梯度提升机(Light GBM)算法的ML攻击预测率为59.71%、62.75%、86.00%和80.92%，相较APUF抗ML能力显著提升。

摘要:随着各种通信、导航、遥控设备的广泛使用，电磁环境变得愈发复杂。在多类信号混杂的电磁环境中对电磁频谱进行监测布控，实现针对非授权、非合作设备的准确识别成为迫切需求。近年来，基于深度学习的识别技术得到快速发展，但在多域特征融合机制方面仍有所欠缺，在非合作条件下识别性能仍相对较弱。针对多信号混杂情境下特定电磁目标信号识别问题，提出一种基于多域特征融合与目标检测架构的电磁信号识别方法。该方法利用短时傅里叶变换实现了时频域信号特征的融合，基于YOLO目标检测架构，设计了时频域联合特征提取识别机制。算法在实测数据和公开数据集上进行性能验证，实验结果表明本算法的识别准确率明显优于对比深度学习识别方法。