Edge Computing for Microgrid via MATLAB Embedded Coder and Low-Cost Smart Meters
针对偏远微电网的太阳能逆变器功率预测与下垂控制问题，提出将机器学习模型和控制算法部署于边缘计算设备（智能电表集中器）的方案，实验对比验证了其可行性与正确性，且减少了逆变器通信等待时间。
2024-12-02 cs.SY eess.SY
MARTINI: Smart Meter Driven Estimation of HVAC Schedules and Energy Savings Based on WiFi Sensing and Clustering
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
HVAC系统占建筑物能源使用的很大一部分。夜间挫折调度是一种节能措施，其中冷却和加热设定点在空闲期间分别增加和减少，目的是实现节能。然而，需要了解建筑物的实际占用情况，以使这一措施取得最大成功。此外，需要一种可扩展的方式来估计节能措施的节能潜力，该节能措施不受建筑物特定参数和实验或模拟建模投资的限制。在这里，我们提出了MARTINI，这是一个基于居住者的HVAC时间表和节能的sMART meTer driveN评估，它利用了商业建筑中无处不在的能源智能电表和WiFi基础设施。我们估计的时间表，通过集群WiFi导出的占用配置文件，并通过移动斜升和挫折时间观察到的典型/测量的负载配置文件通过集群智能电表能源配置文件，节省能源。我们的案例研究结果显示，当HVAC系统运行与入住率保持一致时，五座建筑物在七个月内的平均冷冻水节能率为8.1%-10.8%（夏季）和0.2%-5.9%（秋季）。我们验证了我们的方法与结果从建筑能源性能模拟（BEPS），发现估计的平均节省的MARTINI是在0.9%-2.4%的BEPS预测。在没有占用信息的情况下，我们仍然可以通过增加爬坡时间和减少倒退开始时间来估计潜在的节省。在51栋教学楼中，我们发现节省潜力在1%-5%之间。
2021-10-17 cs.LG cs.SY eess.SY
Low Voltage Customer Phase Identification Methods Based on Smart Meter Data
分布式能源发电的部署增加以及电动汽车和热泵等新型大型电力负载的集成，对低压配电系统的正确可靠运行提出了挑战。为了解决潜在的问题，在文献中提出了主动管理解决方案，这需要配电系统模型，包括在网络中的所有消费者的相位连接。然而，在实践中往往无法获得关于相位连通性的信息。在这项工作中，几个电压和功率测量为基础的相位识别方法，从文献中实现。一个一致的比较的方法是在不同的智能电表精度等级和智能电表的普及水平，使用公开的数据。此外，提出了一种新的方法，利用集成学习，可以结合不同的测量活动的数据。结果表明，与来自相同精度等级的智能电表的功率数据相比，电压数据通常可以获得更好的结果。如果功率数据也是可用的，新的集成方法可以提高从电压数据单独获得的相位识别的准确性。
2022-04-13 cs.SY eess.SY
Time and Frequency Domain-based Anomaly Detection in Smart Meter Data for Distribution Network Studies
University of Zagreb Faculty of Electrical Engineering and Computing（Zagreb大学电子工程与计算学院）
针对智能电表数据质量差的问题，提出结合孤立森林与快速傅里叶变换的时频域异常检测框架，有效识别点异常和上下文异常，保障配电网分析准确性。
2025-04-25 cs.AI cs.LG cs.SY
Phase Identification of Smart Meters Using a Fourier Series Compression and a Statistical Clustering Algorithm
配电系统中相连通性的准确标记对于维护和操作是重要的，但通常是错误的或丢失的。在本文中，我们提出了一个过程，以确定哪些智能电表必须在同一阶段使用层次聚类方法的电压时间序列数据。我们不直接处理时间序列数据，而是应用傅里叶变换来表示频域中的数据，去除傅里叶系数的$98\%$，并使用剩余的系数来聚类处于相同相位的仪表。通过确认仪表的集群（阶段）成员资格在两个月的时间段内没有变化来验证该过程的结果。此外，我们还确认属于配电网络内相同馈线的电表被正确地分类到相同的集群中，即分配到相同的相位。
2022-12-24 cs.SY eess.SY stat.AP
A Bayesian Perspective on Residential Demand Response Using Smart Meter Data
University of California, Berkeley（加州大学伯克利分校）
本文通过引入隐变量区分用户用电行为类型，提升短期负荷预测精度，并发现使用智能家电的用户在需求响应中减少用电量更显著。
2016-08-12 cs.SY eess.SY
An ICA-Based HVAC Load Disaggregation Method Using Smart Meter Data
本文提出了一种基于独立分量分析（ICA）的无监督学习方法，用于使用低分辨率（例如，15分钟）智能电表数据。我们首先证明，在温和的温度天的电力消耗曲线可以用来估计非暖通空调的基本负荷在炎热的日子。然后，可以通过从炎热天气负载曲线中减去温和天气负载曲线来计算剩余负载曲线。剩余负荷分布使用ICA进行处理，用于HVAC负荷提取。提出了一种基于优化的ICA结果后调整算法，该算法考虑了两个边界因子以增强ICA算法的鲁棒性。首先，我们使用基于HVAC负载和温度之间的关系计算的每小时HVAC能量界限来去除不切实际的HVAC负载尖峰。其次，我们利用从历史电表数据中提取的每日夜间和昼夜负荷之间的依赖关系来平滑基本负荷曲线。采用Pecan Street数据和次计量HVAC数据对所提方法进行了验证，仿真结果表明，所提方法具有计算效率高、鲁棒性强的特点。
2022-09-19 cs.SY eess.SY
AMI-FML: A Privacy-Preserving Federated Machine Learning Framework for AMI
New Mexico State University（新墨西哥州立大学）
基于机器学习（ML）的智能电表数据分析对于高级计量基础设施（AMI）中的能源管理和需求响应应用非常有前途。为AMI开发分布式ML应用程序的一个关键挑战是保护用户隐私，同时允许终端用户积极参与。本文解决了这一挑战，并提出了一个隐私保护的联邦学习框架，在AMI的ML应用程序。我们将每个智能电表视为托管ML应用程序的联合边缘设备，该ML应用程序定期与中央聚合器或数据集中器交换信息。ML模型权重被传输到聚合器以保护隐私，而不是传输智能电表感测到的原始数据。聚合器处理这些参数，以设计一个强大的ML模型，可以在每个边缘设备上替换。我们还讨论了增强隐私和提高通信效率的策略，同时共享ML模型参数，适用于AMI中相对较慢的网络连接。我们展示了一个用例联邦ML（FML）应用程序，提高短期负荷预测（STLF）的建议框架。我们使用长短期记忆（LSTM）递归神经网络（RNN）模型进行STLF。在我们的架构中，我们假设有一个聚合器连接到一组智能电表。聚合器使用从联合智能仪表接收的学习模型梯度来生成聚合的、鲁棒的RNN模型，该模型提高了个体和聚合的STLF的预测准确性。我们的研究结果表明，使用FML，预测精度提高，同时保护最终用户的数据隐私。
2021-12-15 cs.LG cs.SY eess.SY
Smart Meter Privacy via the Trapdoor Channel
University of Sheffield（谢菲尔德大学）；Princeton University（普林斯顿大学）
本文提出了一种有限容量电池的充电策略，以保障智能电表系统的隐私。该策略提供了信息泄露率的上限，并证明用户平均能耗决定了信息泄露率，通过推导达到该上限的随机过程概率分布证明了该上限的紧致性。
2017-08-15 cs.IT cs.SY eess.SY
Market Value of Differentially-Private Smart Meter Data
本文提出了一个框架，以调查国内消费者和负荷服务实体之间共享隐私保护的智能电表数据的价值。该框架包括一个折扣差分隐私模型，以确保个人无法从聚合数据中识别，基于人工神经网络的短期负荷预测，以量化数据可用性和隐私保护对预测误差的影响，以及一天前的最佳采购问题和平衡市场，以评估隐私效用权衡的市场价值。该框架表明，当消费者群体的负荷分布不同于系统平均值时，这是使用Kullback-Leibler分歧量化的，在共享智能电表数据的同时保留个人消费者隐私具有重要价值。
2021-04-20 cs.CR cs.SY eess.SY
Post-Metering Value-Added Services for Low Voltage Electricity Users: Lessons Learned From the Italian Experience of CHAIN 2
低压最终用户的电能消耗数据可访问性是智能电网的支柱之一。在一些国家，尽管存在智能电表，但数据的零碎可用性和/或缺乏标准化，阻碍了计量后增值服务的创建，并将这种创新解决方案限制在原型和实验水平。我们从意大利采用的技术中得到启发，意大利的国家监管机构积极支持所有相关利益相关方商定的解决方案的定义。在这种情况下，智能电表能够通过电力线通信信道（CHAIN 2）以接近实时的方式将数据传送到低压最终用户。该文致力于研究两个问题.一方面，它描述了该通道所经历的概念验证及其后续验证（成功率接近99%）。另一方面，它为后计量增值服务定义了一个分类框架（I2 MA），以便根据服务级别和预期收益对每个用例进行分类，并了解其成熟度级别。例如，我们将该方法应用于意大利定义的16个用例。从意大利经验的监管、技术和功能方法中吸取的教训使我们能够为研究人员和行业专家提供建议。特别是，我们认为，一个运作良好的计量后增值服务市场可以蓬勃发展，只要：i）配电系统运营商认证来自智能电表的测量结果; ii）国家监管机构支持建立这一市场所需的技术创新; iii）服务提供商根据智能电表的数据创建以客户为导向的解决方案。
2021-09-21 cs.SY eess.SY
Maximum likelihood estimation of distribution grid topology and parameters from smart meter data
本文定义了一个最大似然估计（MLE）的导纳矩阵估计的配电网，利用电压幅值和功率测量只收集从常见的，非同步测量设备（智能电表）。首先，我们提出了一个模型的电网，以及现有的MLE的电压和电流相量测量的基础上。然后，这个问题的制定调整无相测量使用共同的假设。这些假设的效果进行比较，在各种情况下的初始问题。最后，一个流行的IEEE基准网络的数值实验表明有前途的结果。缺失的数据会极大地扰乱估计方法。不测量电压相位在实际条件下只会给导纳矩阵估计增加30%的误差。此外，对测量噪声的灵敏度在有和没有相位的情况下是相似的。
2022-10-05 cs.SY eess.SY stat.AP
On-Meter Graph Machine Learning: A Case Study of PV Power Forecasting for Grid Edge Intelligence
Sun Yat-sen University, Guangzhou, China（中山大学，广州，中国）
本文研究了图神经网络在微电网边缘智能电表中用于预测光伏功率的方法，介绍了ONNX和ONNX Runtime技术，并通过实际数据集评估了GCN和GraphSAGE模型的性能。
2026-04-10 cs.AI cs.LG cs.SY
Incentive-weighted Anomaly Detection for False Data Injection Attacks Against Smart Meter Load Profiles
实时电价是一种提高电力负荷需求侧灵活性的方法。然而，很少有研究考虑现货定价的脆弱性，通过虚假数据注入（FDI）式的攻击，金融欺诈。在本文中，我们考虑的攻击，旨在改变消费者的负载配置文件，利用日内价格下跌。我们研究了一种异常检测协议，用于寻求利用现货价格获得经济利益的网络攻击。通过这种方式，我们概述了一种方法，用于检测工业负载智能电表的攻击。我们首先创建一个底层业务的特征集群模型，按业务类型进行隔离。然后，我们使用这些集群创建一个激励加权异常检测协议的虚假数据攻击负载配置文件。这种基于聚类的方法结合了负载配置文件和现场定价的考虑因素，用于检测注入的负载配置文件。为了减少误报，我们将基于激励的检测（包括现货价格的知识）建模为异常跟踪，使该方法能够考虑负载配置文件中不太可能受到攻击的变化。
2023-01-25 cs.SY eess.SY
A Smart Meter Data-driven Distribution Utility Rate Model for Networks with Prosumers
由于能源技术的进步，世界各地的配电网正在发生深刻的变化。运输部门的电气化和分布式能源（DER）的整合，如光伏电池板和储能设备，已经获得了巨大的动力，特别是在电网边缘。电网技术方面的转型可能与现有的配电公用事业零售电价结构直接冲突。我们提出了一个智能电表数据驱动的费率模型，以恢复配电网络相关的费用，这些电网边缘技术的实施与电力生态系统中各利益相关者的利益是一致的。该模式设想从根据千瓦时的体积消耗向最终用户收费转变，向他们收取“电网接入费”，该费用近似于最终用户随时间变化的需求对当地配电网络的影响。建议的费率包括两个成本指标影响配电公用事业（DU），即“规模”和“可变性”的客户需求。建议的税率可以适用于生产消费者和传统的消费者没有DER。
2021-04-01 cs.SY eess.SY
Low-Voltage Distribution Network Impedances Identification Based on Smart Meter Data
The University of Melbourne（墨尔本大学）；IBM Research（IBM研究院）
本文提出了一种基于智能电表数据的非线性非凸问题求解方法，用于低电压配电网线路参数估计，该方法具有高效、递归数据处理、线性扩展性和去中心化执行的特点，通过模拟验证了其在不同测量精度场景下的性能。
2019-06-18 cs.CE cs.SY eess.SY
Adaptive Data Collection Mechanisms for Smart Monitoring of Distribution Grids
Aalborg University（奥尔堡大学）
本文提出智能数据采集机制，用于监控配电网络，研究系统适应智能电表需求、通信网络动态变化和安全攻击的能力。
2016-08-22 cs.DC cs.SY eess.SY
Underdetermined Library-aided Impedance Estimation with Terminal Smart Meter Data
University of Applied Sciences and Arts of Southern Switzerland（南方瑞士应用科学与艺术学院）
本文提出一种基于数据和结构驱动的欠定阻抗识别方法，利用商业电缆库优化解决方案，支持无拓扑保证的拓扑识别流程，并在低数据集下实现高识别性能。
2026-03-24 cs.SY eess.SY
A Fundamental Bound on Performance of Non-Intrusive Load Monitoring with Application to Smart Meter Privacy
我们证明了非侵入式负载监测算法的预期估计误差是下界的轨迹的倒数的设备的负载配置文件的导数之间的互相关矩阵。我们使用这个基本约束来制定隐私保护政策。特别是，我们设计了一个负载调度策略，通过最大限度地提高非侵入式负载监控算法的预期估计误差的下限。
2019-10-05 cs.SY eess.SP eess.SY
A Joint Energy and Differentially-Private Smart Meter Data Market
针对能源与数据市场割裂及可信出清依赖问题，提出联合市场框架，将日前能源采购建模为集成预测与优化问题，并以 Wasserstein 距离评估差分隐私数据价值。
2024-12-10 cs.GT cs.SY econ.GN
Privacy, Informed Consent and the Demand for Anonymisation of Smart Meter Data
本文基于965名英国账单支付者的混合方法与随机对照试验，估计消费者对智能电表数据匿名化的货币和非货币偏好，揭示信息不对称及群体差异，并强调更强隐私默认设置与真正知情同意机制的必要性。
2025-08-27 cs.CY cs.SY eess.SY
Quick Line Outage Identification in Urban Distribution Grids via Smart Meters
Stanford University（斯坦福大学）；Arizona State University（亚利桑那州立大学）
分布式能源（DER）在配电网中的日益整合，提出了各种可靠性问题，由于DER的不确定性和复杂的行为。随着DER在配电网中的大规模渗透，传统的停电检测方法，依赖于客户报告和智能电表的最后喘息信号，将具有较差的性能，因为可再生发电机和存储器以及城市配电网中的网状结构可以在线路停电后继续供电。为了应对这些挑战，我们提出了一个数据驱动的停电监测方法的基础上的随机时间序列分析的理论保证。具体来说，我们证明通过电力流分析，时间序列电压测量的依赖性表现出显着的统计变化后，线路停电。这使得最优变点检测理论适用于线路故障的识别。然而，现有的变点检测方法需要停电后的电压分布，这是未知的配电系统。因此，我们设计了一个最大似然估计直接学习的分布参数从电压数据。我们证明，估计参数为基础的检测也达到了最佳性能，使其非常有用的快速配电网停电识别。此外，由于智能电表已被广泛安装在配电网和先进的基础设施（例如，PMU）还没有被广泛使用，我们的方法只需要电压幅值的快速停电识别。仿真结果表明，在8个配电网的14个配置和没有DER使用智能电表数据的高精度停电识别。
2021-04-01 cs.LG cs.SY eess.SP
Dynamic Time Warping Clustering to Discover Socio-Economic Characteristics in Smart Water Meter Data
Norwegian University of Science and Technology（挪威科技大学）；KWR Water Cycle Research Institute（KWR水循环研究所）；University of Cincinnati（辛辛那提大学）；Leiden University（莱顿大学）；Delft University of Technology（代尔夫特理工大学）
社会经济特征正在影响水需求的时间和空间变化，这是配水系统建模中不确定性的最大来源。提高我们对这些影响的认识可以用来减少需求的不确定性。本文旨在通过应用一种新的聚类算法，使用动态时间规整的日常需求模式，智能水表数据的社会经济用户的特点。该方法进行了测试模拟和测量的单户家庭数据集。我们表明，新的算法相比，常用的聚类方法，无论是在找到正确的集群数量，以及正确分配模式更好地执行。此外，该方法可用于识别需求模式集群内的离群值。此外，本研究调查的社会经济特征（如就业状况，居民人数）是普遍存在的单一集群内，因此，可以链接到集群的重心的形状。在未来，所提出的方法与随机需求模型相结合，可以用来填补水力模型中的数据缺口。
2021-12-28 cs.LG cs.SY eess.SP
Distributed Reinforcement Learning using Local Smart Meter Data for Voltage Regulation in Distribution Networks
Delft University of Technology（代尔夫特理工大学）；Netherlands Organisation for Applied Scientific Research（荷兰应用科学研究组织）
本文提出了一种利用本地智能电表数据的分布式强化学习算法，通过动态Thevenin模型和校正策略提升配电网电压调节效果。
2025-12-14 cs.SY eess.SY
Real-time Assessment of Distribution Grid Security through Adaptive Smart Meter Measurements
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
针对分布式能源扩张带来的配电网安全评估难题，本文提出基于智能电表数据的自适应迭代算法，可在负载变化时实时识别跟踪电压极值节点，实现配电网安全的有效评估。
2026-08-06 cs.SY eess.SY
Production Scheduling Identification: An Inverse Optimization Approach for Industrial Load Modeling Using Smart Meter Data
State Key Laboratory of Power System Operation and Control, Department of Electrical Engineering, Tsinghua University（清华大学电机工程与应用电子技术系电力系统运行与控制国家重点实验室）
该研究针对工业负荷建模中私有数据不可用的问题，提出基于逆优化的生产调度识别方法，利用智能电表数据建模，在钢铁粉末厂和水泥厂的测试中建模误差均低于8.5%。
2026-08-28 cs.SY eess.SY
Outage Detection in Partially Observable Distribution Systems using Smart Meters and Generative Adversarial Networks
在本文中，我们提出了一种新的数据驱动的方法来检测停电事件在部分可观测的配电系统通过捕捉智能电表（SM）的数据分布的变化。为了实现这一目标，首先，提出了一种基于广度优先搜索（BFS）的机制，将网络分解为一组区域，最大限度地提高停电位置信息的部分可观测系统。然后，使用每个区域中的SM数据，生成对抗网络（GAN）被设计为以无监督的方式隐式地提取正常条件下的时空行为。在训练之后，利用异常评分技术来确定实时测量是否指示区域中的中断事件。最后，为了推断多区域网络中的停电事件的位置，提出了考虑交叉区域的相互依赖性的区域协调过程。我们提供了分析保证我们的算法使用熵的概念，这是利用量化停电的位置信息在多区域网格的性能。所提出的方法已被测试和验证的配电馈线模型与真实的SM数据。
2019-12-10 cs.SY eess.SP eess.SY
Unsupervised Disaggregation of Water Heater Load from Smart Meter Data Processing
在住宅领域，电热水器是具有相对高的功率消耗和显著的热惯性的电器，其特别适合于需求响应方案。通过控制热水器的有效DR方案的成功预先假定了在每个时刻对它们的功率需求的准确估计。虽然热水器的负载很少直接测量，但智能电表（SM）在配电网中的大量渗透使得能够通过负载分解在大规模上间接推断此信息。为此，在文献中提出了相当数量的非侵入式负载监控（NILM）方法。然而，它们要求数据流的时间分辨率在一秒或更高的范围内，这对于标准SM是不现实的。因此，本文提出了一种无监督的方法来检测和分解的热水器的负载曲线从标准SM数据的时间分辨率在分钟范围内。在多个实际负载与分计量评估，所提出的方法实现了归一化平均绝对误差（NMAE）低于2%，精度一般高于92%，时间分辨率在5和15分钟之间。
2021-04-07 cs.SY eess.SP eess.SY
Maximizing the Link Throughput between Smart-meters and Aggregators as Secondary Users under Power and Outage Constraints
Centre for Wireless Communications (CWC), University of Oulu（奥卢大学无线通信中心）；University of Oulu（奥卢大学）；São Paulo State University (UNESP)（圣保罗州立大学）
本文研究在功率和断电约束下，作为次级用户最大化智能电表与聚合器之间的链路吞吐量，考虑了次级用户对主链路的干扰问题，通过泊松点过程建模移动用户空间分布，推导出最大吞吐量的闭式解。
2016-02-16 cs.IT cs.SY eess.SY
Differentially Private State Estimation in Distribution Networks with Smart Meters
ACCESS Linnaeus Centre, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈斯中心，电气工程学院，皇家理工学院）
本文提出一种在分布网络中实现差分隐私的状态估计方法，通过优化不同性能指标，在估计性能与客户隐私之间取得平衡，适用于水和燃气网络等其他领域。
2015-03-29 cs.SY eess.SY math.OC
Privacy Protection via Joint Real and Reactive Load Shaping in Smart Grids
在智能电网中，频繁的用电计量是需求侧管理的关键。然而，计量数据可以相当容易地处理，通过采用成熟的非侵入式设备负载监测技术来推断设备使用情况，从而揭示消费者的私人生活信息。现有的隐私负载整形技术主要集中在改变计量的有功功率，而智能电表收集无功功率消耗数据以及用于各种目的。本研究通过在需求响应方案中进行负荷整形来解决消费者隐私保护问题，同时考虑有功功率和无功功率。我们建立了一个多目标优化框架，使我们能够描述隐私最大化，用户成本最小化，用户不适最小化目标之间的相互作用。我们的研究结果表明，最大限度地减少信息泄漏，由于一个单一的组成部分，实际功率将遭受由于其它组件而导致的忽略信息泄漏，例如，无功功率，导致次优决策。实际上，有功和无功功率分量的联合整形导致最佳的隐私保护性能，这导致在互信息方面隐私增加两倍以上。
2021-04-07 cs.SY eess.SY math.OC
A Novel Data Segmentation Method for Data-driven Phase Identification
本文提出了一种智能电表相标已知和相标未知两种情况下的鉴相算法。为了提高辨识精度，提出了一种数据分段方法，将同相智能电表间电压相关性减弱时采集的数据段剔除。然后，使用选定的数据段，层次聚类方法被用来计算相关距离和聚类的智能电表。如果相位标签是未知的，一个连接的三元组为基础的相似性（CTS）的方法，以进一步提高集成聚类方法的相位识别精度。该方法的开发和测试合成和真实的馈线数据集。仿真结果表明，所提出的相位识别算法在精度和鲁棒性方面都优于现有的方法。
2021-11-20 cs.SY eess.SP eess.SY
Effect of electric vehicles, heat pumps, and solar panels on low-voltage feeders: Evidence from smart meter profiles
针对低碳技术接入低压电网影响研究缺乏实际数据集的问题，利用42,089个用户智能电表数据建模分析，揭示了不同低碳技术对馈线峰值的贡献及负载曲线变化，提出的方法为配电系统运营商提供实用工具。
2025-04-17 cs.CY cs.SY eess.SY
Privacy-Preserving Power Flow Analysis via Secure Multi-Party Computation
本文针对智能电网中智能电表数据的隐私泄露问题，提出基于安全多方计算的潮流分析方法，通过SMPC实现牛顿法在加密产消者数据上的潮流计算，并在通用可组合框架下验证安全性，实验表明该方法在特定场景下可有效缓解隐私问题。
2024-11-21 cs.CR cs.SY eess.SY
