Electrical Structure-Based PMU Placement in Electric Power Systems
Lehigh University（利哈伊大学）
本文基于电阻距离构建网络连通性矩阵，用于IEEE标准节点系统中的PMU布置优化，发现相比拓扑结构需更多PMU以实现完全可观测性。
2013-09-05 cs.SY eess.SY
A Unifying Framework for the Electrical Structure-Based Approach to PMU Placement in Electric Power Systems
Lehigh University（利哈伊大学）
本文提出基于电气结构的PMU布置统一框架，利用电阻距离度量构建连接矩阵，并通过SVD分析解决PMU位置问题，揭示奇异向量与平均电阻距离之间的联系。
2013-12-02 cs.SY eess.SY
A Bi-Level Stochastic Game Model for PMU Placement in Power Grid with Cybersecurity Risks
本文针对存在数据完整性攻击风险的电网PMU布点问题，提出一种双层随机非合作博弈模型，在IEEE-9节点系统中实现降低9%部署成本的同时保持网络可观测性。
2023-04-15 cs.CR cs.SY eess.SY
Efficient convex optimization for optimal PMU placement in large distribution grids
Delft University of Technology（代尔夫特理工大学）；Austrian Institute of Technology（奥地利技术研究所）
本文研究了如何通过高效凸优化算法提高大规模三相耦合不平衡配电网络的状态估计精度，提出了一种计算高效的算法来计算最优解的下界，并在IEEE 8500节点标准测试馈线上验证了该方法的有效性。
2019-07-23 cs.SY eess.SY
Comparison of Bounds for Optimal PMU Placement for State Estimation in Distribution Grids
配电网中测量的缺乏对其监测提出了严峻的挑战：由于可能没有足够的传感器来实现数值可观测性，因此通常使用负载预测（伪测量），并且因此不能保证准确的状态估计。然而，估计需要控制配电网的分布式发电量的增加。因此，我们考虑的问题，以提高状态估计精度在大规模，3相耦合，不平衡的配电网的传感器的最佳位置。这是一个组合优化问题，其最优解对于大型网络是不切实际的。我们探索不同的度量的最优实验设计的背景下，如凸性和模块化的属性，提出并比较几个严格的下限和上限的最优解的性能。此外，我们展示了如何使用这些界限来选择接近最优的解决方案。我们测试的IEEE基准测试馈线，123总线和8500节点馈线，该方法的有效性。
2019-08-07 cs.SY eess.SY
Revisiting the Optimal PMU Placement Problem in Multi-Machine Power Networks
本文针对现有研究忽略代数潮流方程、可再生能源及不确定性的不足，基于非线性微分代数表示和移动视界估计重新构建可观测性最优PMU配置问题，并将其转化为可求解的整数规划，通过标准电网仿真验证了方法的有效性。
2024-10-21 cs.SY eess.SY math.OC
On the Computational Viability of Quantum Optimization for PMU Placement
使用最佳相量测量单元的位置作为一个典型的问题，我们评估了当前一代的D-Wave系统2000 Q量子退火电力系统设计问题的计算可行性。我们重新制定的退火硬件的最小支配集，解决了一组标准的IEEE测试系统的重新制定，并基准解决方案的质量和时间解决方案对CPLEX优化和模拟退火。对于某些问题实例，2000 Q的速度超过了CPLEX。对于2000 Q在CPLEX和模拟退火方面表现不佳的情况，我们建议对下一代量子退火机进行硬件改进。
2020-01-13 cs.ET cs.SY eess.SY
Smart Grid State Estimation with PMUs Time Synchronization Errors
我们考虑的问题，基于PMU的状态估计结合信息来自无处不在的电力需求时间序列和只有有限数量的PMU。相反，在最近的文献中，同步相量设备通常被假定为与协调世界时（UTC）完全同步，我们明确考虑存在的时间同步误差的测量，由于不同的非理想的原因，如不完善的卫星定位和内部时钟不准确。我们提出了一个递归卡尔曼算法，它允许明确的离线计算的预期性能和实时补偿可能的频率失配之间的不同PMU。基于IEEE C37.118.1标准的PMU，我们测试所提出的解决方案，并将其与替代方法的IEEE 123节点标准配电馈线的合成数据和位于洛桑联邦理工学院校园内的一个小型中压配电馈线的实际数据进行比较。
2019-11-26 cs.SY eess.SY math.OC
Multi-Objective PMU Allocation for Resilient Power System Monitoring
在智能电网中，相量测量单元（PMU）可以实现更好的系统监控和安全增强。为了提高电力系统对极端天气事件或人为攻击造成的停电和停电的恢复能力，确定PMU的最佳数量和位置仍然是一个重大挑战。提出了一种多目标弹性PMU配置问题，并采用一种改进的基于教学的优化算法（MO-TLBO）进行求解。在MORPP问题中考虑了三个目标，最小化PMU的数量，最大化系统的可观测性，最小化电压稳定指标。通过对IEEE 14节点、30节点和118节点测试系统的测试，验证了该方法的有效性。通过与文献中的其他方法的比较，在迭代次数，最优性和收敛时间方面，证明了基于MO-TLBO的MORPP的优势。
2020-10-15 cs.SY eess.SY
A Game-Theoretic Approach for PMU Deployment Against False Data Injection Attacks
针对电网部分PMU部署易受虚假数据注入攻击的问题，提出基于零和博弈的新增PMU策略部署方法，用强化学习求解纳什均衡，使攻击检测率较基准算法提升36%。
2024-04-18 cs.SY eess.SY
Precision Enhancement of Distribution System State Estimation via Tri-Objective Micro Phasor Measurement Unit Deployment
本文提出一种三目标μ-PMU布置方法，最小化通道数、状态估计不确定性和参数容差敏感性，采用定制NSGA-II求解，实验表明超阈值通道增益微小，可省略30-40%母线。
2023-08-31 cs.SY eess.SY
Real-time Faulted Line Localization and PMU Placement in Power Systems through Convolutional Neural Networks
Theory Division and the Center for Nonlinear Studies, Los Alamos National Laboratory（理论部和非线性研究中心，洛斯阿拉莫斯国家实验室）
本文提出基于卷积神经网络的故障线路定位方法，利用母线电压特征提高鲁棒性，并提出联合PMU布置策略，通过不同类型的故障模拟验证了在低可观测性条件下高精度的故障定位能力。
2019-05-17 cs.LG cs.SY eess.SY
A Shallow Recurrent Decoder for Dynamic State Estimation with a Limited Number of PMUs in Power Systems
提出一种浅层循环解码器（SHRED）架构，利用稀疏PMU测量实现电力系统全状态重构，不依赖精确物理模型且对PMU位置不敏感，在IEEE 39节点系统上验证了其优于传统方法。
2026-07-02 cs.SY eess.SY
Learning-Based Power Flow Estimation with Sparse PMU Deployment in Power Systems
Laval University（拉瓦尔大学）；University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
针对电力系统潮流估计需大量PMU导致成本高的问题，提出基于学习的框架，通过识别信息丰富的母线子集减少PMU数量，在IEEE 30母线系统中验证了方法的有效性。
2026-10-12 cs.SY eess.SY
Vulnerability Analysis of Smart Grids to GPS Spoofing
The Univ. of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
本文研究智能电网中GPS欺骗攻击对PMU的影响，提出优化问题识别最脆弱的PMU，并开发贪心算法和高效交替最小化算法进行状态估计和攻击重建。
2018-04-25 cs.CR cs.SY eess.SP
Anomaly Detection Using Optimally-Placed Micro-PMU Sensors in Distribution Grids
Arizona State University（亚利桑那州立大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；Power Standards Lab（电力标准实验室）
本文提出一种分层架构，用于监控配电网，并建立分析和传感器融合原始方法以检测控制周界的异常行为。通过合成和真实微PMU数据验证了方法的有效性。
2017-08-01 cs.SY eess.SY physics.data-an
Uncertainty Error Modeling for Non-Linear State Estimation With Unsynchronized SCADA and $μ$PMU Measurements
针对 SCADA 与 $μ$PMU 量测非同步及动态负荷不确定性问题，提出通过更新量测方差构建时变权重的非线性 DSSE 框架，并在 MATPOWER 33 节点系统中验证。
2022-12-20 cs.SY eess.SY
PMU Tracker: A Visualization Platform for Epicentric Event Propagation Analysis in the Power Grid
电网是一个重要的基础设施，输电中断对多个部门的日常活动产生严重影响。为了识别、预防和缓解此类事件，电网正在被翻新为“智能”系统，其中包括广泛部署启用GPS的相量测量单元（PMU）。PMU提供快速、精确和时间同步的电压和电流测量，实现实时广域监控。然而，PMU用于分析电网事件（如异常功率振荡和负载波动）的潜在优势受到这些传感器产生大量并发噪声数据的事实的阻碍。在本文中，我们描述了与电网工程师合作，从可视化分析的角度研究如何解决这个问题。因此，我们开发了PMU Tracker，这是一种事件定位工具，可支持电网运营商直观地分析和识别电网事件，并跟踪其在电网网络中的传播。作为PMU跟踪器接口的一部分，我们开发了一种新的可视化技术，我们称之为震中聚类树状图，它允许操作员分析事件的影响，因为它从源位置向外传播。我们稳健地验证PMU跟踪器：（1）演示PMU跟踪器如何用于分析异常电网事件的使用场景，以及（2）使用真实世界互联数据集的电网运营商案例研究。我们的研究结果表明，PMU跟踪器有效地支持电网事件的分析，我们还演示和讨论了如何PMU跟踪器的可视化分析方法可以推广到其他域组成的时变网络与震中事件的特点。
2022-09-08 cs.HC cs.SY eess.SY
Optimal Sensor Placement for Topology Identification in Smart Power Grids
本文提出了一种基于统计检验的智能电网最优传感器配置方案，通过构建包含二元决策变量的成本优化问题，实现兼顾多类传感器且独立于负荷预测的线路故障检测与拓扑辨识。
2019-01-30 cs.SY eess.SY
Optimal Placement of PV Smart Inverters with Volt-VAr Control in Electric Distribution Systems
典型配电系统的高R/X比使得系统电压容易受到来自分布式能源（DER）的有功功率注入的影响。此外，DER产生的间歇性和不确定性给电压控制带来了新的挑战。本文提出了一种两阶段随机优化策略，以最佳地放置光伏智能逆变器与电压无功能力的配电系统与高光伏（PV）渗透，以减轻电压违规问题。所提出的优化策略，使规划阶段的指导，升级现有的光伏逆变器的智能逆变器与电压无功功率的能力，同时考虑操作阶段的电压无功功率控制的特点。这种规划策略的一个优点是，它利用了智能逆变器的本地控制能力，不需要通信，从而避免了与通信延迟和故障相关的问题。另一个优点是Volt-VAr控制特性作为一组约束在内部集成到优化模型中，使布局决策更加准确。优化的目标是最大限度地减少升级成本和所需的智能逆变器的数量，同时保持电压分布在可接受的范围内。实际的12.47千伏，9公里长的亚利桑那州公用事业馈线的案例研究已经进行了使用OpenDSS，以验证所提出的布局策略在静态和动态仿真的有效性。索引词
2022-07-01 cs.SY eess.SY
Security Measures for Grids against Rank-1 Undetectable Time-Synchronization Attacks
相量测量单元（PMU）的时间同步攻击构成了真正的威胁，智能电网，它被证明是可行的，在实践中，他们可以有一个不可忽视的负面影响的状态估计，而不会触发坏数据检测机制。以前的工作确定的脆弱性条件时，有针对性的PMU测量一个相量。然而，PMU能够测量多个量。我们提出了新的脆弱性条件下的一般情况下，PMU测量任何数量的相量，可以共享相同的时间参考。一个是不依赖于测量值的充分条件。我们提出了一个安全要求，防止它，并提供了一个贪婪的离线算法，执行它。如果这个安全要求得到满足，仍然有可能，网格可以被攻击，虽然我们推测，这是非常不可能的。我们确定了两个充分和必要的脆弱性条件依赖于测量值。对于每一个，我们提供了一个度量，显示观察到的和脆弱性条件之间的距离。我们建议他们进行监控以确保安全。数值结果表明，IEEE-39总线基准与真实的负载配置文件，满足我们的安全要求的网格的测量是远远脆弱的。
2020-09-15 cs.SY eess.SY
Line Outage Identification Based on AC Power Flow and Synchronized Measurements
提出了一种基于相量测量单元（PMU）测量和交流潮流模型的电力系统单线路故障识别方法。除了主要的识别算法外，还引入了拒绝滤波器，对初步识别结果进行进一步处理，将其分为正确识别、错误识别和不确定（包括正确过滤和错误过滤）三类。系统测试的方法使用各种大小的测试系统的各种PMU的位置，和结果表明，所提出的识别算法具有较高的识别精度和建议的拒绝滤波器是能够降低误判率，而不显着增加的不确定的情况下。
2020-11-18 cs.SY eess.SP eess.SY
Cost-Effective Bad Synchrophasor Data Detection Based on Unsupervised Time Series Data Analytics
在部署有各种先进传感器的现代智能电网中，相量测量单元（PMU），坏（异常）测量在实践中总是不可避免的。针对区域相量数据集中器（PDC）需要滤除潜在坏数据的问题，提出了一种新的基于空时相关性的PMU坏数据在线检测（BPDD）方法。由于不需要昂贵的数据标记或迭代学习，它执行无模型，无标记，和非迭代的BPDD在电网中从一个新的数据驱动的角度时空最近邻（STNN）发现。具体而言，空间-时间相关的区域测量PMU采集的空间-时间时间序列（TS）的配置文件首先收集。然后，通过表征异常STNN来识别被坏PMU数据污染的TS干扰。为了使整个方法能够胜任在线流PMU数据的处理，一个有效的战略，加速STNN发现仔细设计。与现有的数据驱动的BPDD解决方案不同，它需要昂贵的离线数据集准备/训练或计算密集型在线优化，它可以以高度成本效益的方式实现，从而在实际环境中更具适用性和可扩展性。北欧测试系统和实际中国南方电网的数值测试结果表明，该方法在实际在线监测的可靠性，效率和可扩展性。
2020-08-11 cs.SY eess.SP eess.SY
Physics-Informed Machine Learning for Data Anomaly Detection, Classification, Localization, and Mitigation: A Review, Challenges, and Path Forward
本文综述了物理信息机器学习在电网数据异常检测、分类、定位与缓解中的方法、挑战与改进方向，以提升智能电网决策的可靠性与可解释性。
2023-09-19 cs.SY eess.SY
PMU-based Distributed Non-iterative Algorithm for Real-time Voltage Stability Monitoring
提出一种基于PMU的分布式非迭代电压稳定指数（VSI），通过将潮流方程重构为圆，实现实时识别关键母线，具有速度快、可解释性强、能定位停电位置及抗噪声等优势。
2021-07-19 cs.DC cs.SY eess.SY
Fast Distribution Grid Line Outage Identification with $μ$PMU
Stanford University（斯坦福大学）；Arizona State University（亚利桑那州立大学）
本文提出基于μPMU的随机时间序列分析的数据驱动故障监测方法，通过功率流分析证明线路故障后电压时间序列的统计特性显著变化，利用最大似然方法直接学习分布参数，实现快速准确的故障识别。
2018-11-14 cs.LG cs.SY eess.SY
Machine Learning Assisted Inertia Estimation using Ambient Measurements
随着基于转换器的可再生资源的日益普及，不同类型的动态已被引入到电力系统。由于现代电力系统的复杂性和高阶性，使得基于数学模型的惯性估计方法变得更加困难。提出了两种基于长递归卷积神经网络（LRCN）和图卷积神经网络（GCN）的机器学习辅助惯性估计方法。信息特征提取通过相量测量单元（PMU）收集的环境测量。空间结构的高维特征和图形信息，然后结合，以提高精度的惯性估计。在IEEE 24节点系统上进行了案例研究。所提出的基于LRCN和GCN的惯性估计模型的精度分别达到97.34%和98.15%。此外，所提出的零代注入总线的最优PMU布局（ZGIB-PLAN）已被证明是能够最大限度地提高系统的可观测性，从而提高了所有提出的惯性估计模型的性能。
2022-12-21 cs.SY eess.SY
Undetectable GPS-Spoofing Attack on Time Series Phasor Measurement Unit Data
本文提出了一种针对PMU数据的不可检测渐进式GPS欺骗攻击，通过微小增量角度偏差改变潮流计算，利用凸优化实施攻击并规避检测，同时提出了基于Hankel矩阵低秩近似的检测方法。
2023-09-13 cs.SY eess.SY
ROAM: Reinforcement Learning Optimized Adaptive Moving Target Defense for Smart Grid
Florida International University（佛罗里达国际大学）；National Laboratories of the Rockies（落基山国家实验室）
提出DRL驱动的MTD框架ROAM，优化智能电网传感器映射，在多节点系统中有效降低隐蔽FDI攻击比例，提升检测率，且具备实时可行性。
2026-10-12 cs.SY eess.SY
Optimal Placement of Smart Hybrid Transformers in Distribution Networks
针对配电网中混合变压器选址问题，提出基于序贯线性规划的最优配置方法，以最大化净现值，并通过改进的Cigre基准测试验证其经济性。
2025-07-08 cs.SY eess.SY math.OC
Energy Efficient Placement of ML-Based Services in IoT Networks
物联网（IoT）正在寻求弥合物理和数字世界之间的差距。物联网的主要目标是创建智能环境和自我感知的东西，有助于促进各种服务，如智能交通，气候监测，电子健康等。其在传统情况下由核心网络中的大型数据中心集中处理，这将不可避免地导致过度的传输功耗，以及增加的等待时间开销。相反，来自工业界和学术界的研究人员提出了雾计算，以将云的能力扩展到在传感层收集数据的点。通过这种方式，可以托管在物联网传感器中的原始任务不需要一直发送到云端进行处理。在本文中，我们提出了使用混合线性规划（MILP）优化模型在云雾网络上嵌入机器学习（ML）模型的节能方法。我们在框架中利用虚拟化来提供深度神经网络（DNN）层的服务抽象，这些层可以组成一组通过虚拟链路互连的VM。我们限制了可以在物联网层处理的虚拟机数量，并研究了对云雾方法性能的影响。
2022-03-23 cs.SY eess.SY
Topology-Aware Spatio-Temporal Graph Transformer for Predicting Smart Grid Failures
North Dakota State University（北达科他州立大学）；North Carolina A&T State University（北卡罗来纳农业与州立大学）；University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；University of South Florida（南佛罗里达大学）
本研究提出拓扑感知的时空图Transformer模型，通过整合物理网络拓扑与时间序列数据，提升智能电网故障预测的准确性与可靠性。
2026-01-06 cs.SY eess.SY
Attack-Resiliency Analytics for Wide-Area Control Systems in Smart Grids
Florida International University（佛罗里达国际大学）；Northern Illinois University（北伊利诺伊大学）
本文提出攻击韧性分析框架，将广域阻尼与自动发电控制耦合动力学建模为MILP，求解最优隐蔽FDI攻击，并在IEEE 39/118节点系统上验证，学习边界可降低攻击影响但无法消除残余风险。
2026-09-30 cs.SY eess.SY
A Gossip Algorithm based Clock Synchronization Scheme for Smart Grid Applications
Florida International University（佛罗里达国际大学）；Electricity Generation Company of Bangladesh（孟加拉国发电公司）；Independent University, Dhaka, Bangladesh（达卡独立大学）
本文提出一种基于 gossip 算法的时钟同步方法，用于智能电网中高精度时间同步需求，适用于带宽受限的密集网络环境，通过不同网络拓扑测试验证了其性能。
2017-07-25 cs.DC cs.SY eess.SY
A Survey on State Estimation Techniques and Challenges in Smart Distribution Systems
Iowa State University（爱荷华州立大学）；Southern Methodist University（南卫理公会大学）；Argonne National Laboratory（阿贡国家实验室）
本文综述了电力系统中状态估计（SE）的文献，重点讨论了配电网状态估计（DSSE）的关键主题，包括数学问题建模、伪测量应用、计量仪器布置、网络拓扑问题、可再生能源渗透的影响以及网络安全，总结了传统和现代数据驱动与概率技术的进展。
2018-09-20 cs.SY eess.SY
Clustered Federated Learning for Generalizable FDIA Detection in Smart Grids with Heterogeneous Data
Department of Computer Science, University of California, Santa Barbara, CA, USA（计算机科学系，加州大学圣芭芭拉分校）；Department of Electrical and Electronic Engineering, The University of Hong Kong（电气与电子工程系，香港大学）；Department of Electronics and Information Engineering, Shenzhen University（电子与信息工程系，深圳大学）
本文提出FedClusAvg，一种隐私保护的聚类联邦学习框架，通过分层采样和分层通信，在非独立同分布数据下提升智能电网虚假数据注入攻击检测的泛化能力，同时降低通信开销。
2025-08-04 cs.LG cs.SY eess.SY
A Game-Theoretic Framework for Resilient and Distributed Generation Control of Renewable Energies in Microgrids
Department of Electrical and Computer Engineering, Tandon School of Engineering, New York University（纽约大学坦顿工程学院电气与计算机工程系）
本文提出非合作博弈框架，研究微电网在可再生能源发电中的战略行为，通过纳什均衡概念确定发电解决方案，结合经济性、稳定性和效率，设计两种去中心化更新方案和新型全分布式PMU算法，通过IEEE 14节点系统验证算法的有效性和鲁棒性。
2016-09-27 cs.SY eess.SY
Superconducting Fault Current Limiter Allocation in Reconfigurable Smart Grids
本文研究了在可重构智能电网中如何通过预设的联络开关和分段开关进行馈线重构，以优化超导故障电流限制器（SFCL）的布置，从而减少故障电流并降低电网总成本。
2019-05-14 cs.SY eess.SP eess.SY
Loss Minimization through the Allocation of DGs Considering the Stochastic Nature of Units
智能电网作为传统电力系统的清洁替代品，可以在相当程度上改善系统的技术、经济和环境方面。在智能电网中，分布式发电（DG）机组发挥着重要作用，需要对其进行优化配置。在本文中，DG的位置进行考虑与总线的电压分布以及随机性的DG的技术限制，电网的损耗最小化的目标。在本文中，包括三种不同类型的分布式发电，这是风力涡轮机，太阳能电池板，和生物质发电机。以IEEE标准33节点系统为例，计算结果表明，该方法可以显著降低系统成本。
2019-11-15 cs.SY eess.SY
Towards an Efficient Simulation Approach for Transmission Systems with ICT Infrastructures
针对含ICT基础设施的输电系统协同仿真计算耗时问题，本文提出一种自洽仿真方法，并在IEEE 39节点系统上验证其能以相同精度大幅降低计算资源消耗。
2023-12-01 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
Joint Sensor Deployment and Physics-Informed Graph Transformer for Smart Grid Attack Detection
department of Electrical and Computer Engineering, Texas A&M University（电气与计算机工程系，德克萨斯大学安德森分校）；department of Electrical and Computer Engineering, Texas A&M University at Qatar（电气与计算机工程系，德克萨斯大学阿曼分校）；department of Computer Science and Mathematics, Lebanese American University（计算机科学与数学系，黎巴嫩美国大学）；department of Electrical and Computer Engineering, Hampton University（电气与计算机工程系，哈姆普顿大学）；department of Electrical and Computer Engineering, FAMU-FSU College of Engineering, Florida State University（电气与计算机工程系，佛罗里达州立大学）；College of Science and Engineering, Hamad Bin Khalifa University（科学与工程学院，哈马德·本·卡西姆大学）
本文提出一种联合优化传感器部署与物理信息图变换器的智能电网攻击检测方法，通过NSGA-II优化传感器位置和检测性能，提升检测准确率和效率。
2026-02-16 cs.AI cs.NE cs.SY
Distribution System Topology Detection Using Consumer Load and Line Flow Measurements
Stanford University（斯坦福大学）
本文提出结合家庭智能电表信息和稀疏线流测量的拓扑检测方法，通过确定性和随机性设置下的图论问题，提供传感器布置准则和多项式复杂度的检测方法，适用于低噪声和中等噪声环境。
2017-09-15 cs.SY eess.SY
Electric Vehicle Charging Station Placement: Formulation, Complexity, and Solutions
Hong Kong Baptist University（香港浸会大学）
本文提出电动汽车充电站选址问题，证明其计算复杂性，并提出四种解决方案，评估其在不同案例中的性能。
2014-06-10 cs.SY eess.SY math.OC
Statistical Structure Learning, Towards a Robust Smart Grid
University of Southern California（南加州大学）
本文提出基于公交相角马尔可夫图的去中心化虚假数据注入检测方案，利用条件协方差测试学习电网结构，通过直流功率流模型证明正常情况下电网图可确定相角马尔可夫图，检测计算图与学习结构的差异以触发警报，无需额外硬件即可检测复杂攻击。
2014-03-07 cs.LG cs.SY eess.SY
Edge-to-Cloud Computations-as-a-Service in Software-Defined Energy Networks for Smart Grids
提出首个面向智能电网的软件定义能源网络（SDEN），统一边缘、雾与云计算并融合5G URLLC等技术，通过联合任务卸载、轻量级启发式算法和分层AI管道，实现端到端的能源、延迟与可靠性协同优化。
2025-10-13 cs.SY eess.SY
Experimental Validation of Model-less Robust Voltage Control using Measurement-based Estimated Voltage Sensitivity Coefficients
本文首次在真实微电网实验中验证基于RLS估计电压灵敏度系数并显式考虑其不确定性的无模型鲁棒DER电压控制方案。
2023-04-26 cs.SY eess.SY
Hybrid AI-based Anomaly Detection Model using Phasor Measurement Unit Data
Norwegian University of Science and Technology（挪威科技大学）；University of Stavanger（斯塔万格大学）
在过去的几十年里，信息和通信技术的广泛应用一直是电力系统数字化的主要驱动力。对关键电网基础设施进行适当和安全的监控已成为现代电力系统不可或缺的一部分。利用相量测量单元（PMU）对电力系统进行监测是一项很有前途的技术。增加测量频率和更智能的数据处理方法可以提高电网可靠运行的能力。增加的网络物理交互既有好处也有缺点，其中一个缺点是测量数据中的异常。异常可能是由电网上的物理故障以及网络层中的干扰、错误和网络攻击引起的。本文旨在开发一种基于人工智能的混合模型，该模型基于各种方法，如长短期记忆（LSTM），卷积神经网络（CNN）和其他相关的混合算法，用于相量测量单元数据中的异常检测。本研究中使用的数据集由德克萨斯大学获得，其中包括来自网格测量的真实数据。除了真实数据之外，还分析了注入以产生异常的假数据。讨论了影响和缓解方法，以防止这种异常。
2022-09-21 cs.AI cs.LG cs.SY
