1.一种基于隐私计算的电网安全风险评估方法,其特征在于,所述方法包括以下步骤:步骤1,获取各电力运营商下电力系统的历史运行状态数据,历史运行状态数据包括电压、频率、功率和负荷;
步骤2,对获取到的历史运行状态数据进行清洗操作和格式单位的统一转换,之后进行归一化处理;
步骤3,在各电力运营商处构建双层风险评估指标体系;所述的双层风险评估指标体系,第一层包括电压越限风险指标R_v、线路功率过载风险指标R_p、稳态频率越限风险指标R_f和失负荷风险指标R_l,第二层为综合运行风险评估指标Rtotal;
步骤4,将归一化后的数据通过双层风险评估指标体系计算风险指标;
步骤5,根据计算的风险指标划分风险等级,利用历史运行状态数据和对应的风险等级构建各电力运营商对应的本地数据集;
步骤6,以电力运营商、数据中心构建联邦深度学习安全风险评估模型;各电力运营商接受来自数据中心发布的初始全局模型并进行初始化;密钥生成中心选择加密算法、算法参数和密钥长度生成密钥(pk,sk),并将密钥(pk,sk)发送至各电力运营商;
步骤7,各电力运营商使用其本地数据集训练本地模型,并在本地模型训练完成后使用全同态加密函数将本地模型加密并上传至数据中心聚合,得到加密的全局模型;
步骤8,数据中心将加密的全局模型分配给各电力运营商,各电力运营商使用全同态解密函数解密全局模型,并应用于下一轮本地模型训练,重复步骤6‑8直至达到迭代次数,获得最终的本地模型,即风险评估模型;
步骤9,获取待评估的电力运营商下电力系统的运行状态数据,对运行状态数据进行清洗操作和格式单位的统一转换,之后进行归一化处理;
步骤10,将归一化后的数据输入风险评估模型中,输出电力运营商下电力系统运行风险等级。
2.根据权利要求1所述的基于隐私计算的电网安全风险评估方法,其特征在于,所述的电压越限风险指标R_v的表达式如下:式中,N为电力系统的节点总数,i为电力系统的节点编号,vi为节点i处的实时监测电压,vi,min表示电力系统正常运行时节点i处的电压幅值的下限值;vi,max表示电力系统正常运行时节点i处的电压幅值的上限值。
3.根据权利要求1所述的基于隐私计算的电网安全风险评估方法,其特征在于,所述的线路功率过载风险指标R_p的表达式如下:式中,L为电力系统的线路总数,j为电力系统的线路编号,pj为线路j处的实时监测的功率,pj,max表示线路j处的功率上限值。
4.根据权利要求1所述的基于隐私计算的电网安全风险评估方法,其特征在于,所述的稳态频率越限风险指标R_f的表达式如下:式中, 是电力系统的稳态频率的实际偏差值, 是电力系统的稳态频率允许的最大偏差值。
5.根据权利要求1所述的基于隐私计算的电网安全风险评估方法,其特征在于,所述的失负荷风险指标R_l的表达式如下:式中,L为电力系统的线路总数,j为电力系统的线路编号, 为线路j上有功功率损失值, 为线路j上实际有功功率流动值。
6.根据权利要求1所述的基于隐私计算的电网安全风险评估方法,其特征在于,所述的综合运行风险评估指标Rtotal的表达式如下:Rtotal=σ1R_v+σ2R_p+σ3R_f+σ4R_l;
式中,σ1、σ2、σ3、σ4分别表示电压越限风险指标、线路功率过载风险指标、稳态频率越限风险指标和失负荷风险指标的权重;且σ1+σ2+σ3+σ4=1。
7.根据权利要求1所述的基于隐私计算的电网安全风险评估方法,其特征在于,步骤7具体为:K个电力运营商分别使用其本地数据集进行本地模型训练;在本地模型训练完成后,电力运营商对本地模型进行加密处理并上传至数据中心:[[wk]]←FHEenc(pk,wk),k∈[1,K]
式中,FHEenc(pk,wk)表示全同态加密函数,pk为公钥,wk为第k个电力运营商的本地模型,即明文;[[wk]]表示加密后的第k个电力运营商的本地模型;
K个电力运营商将加密后的本地模型上传至数据中心聚合,得到加密的全局模型[[wglobal]]:式中,Aggregation(qk,wk)表示聚合函数,qk为第k个电力运营商参与训练的本地数据集占总本地数据集的比例。
8.根据权利要求7所述的基于隐私计算的电网安全风险评估方法,其特征在于,步骤8中所述的数据中心将加密的全局模型分配给各电力运营商,各电力运营商使用全同态解密函数解密全局模型,具体为:wglobal=FHEdec(sk,[[wglobal]]);
式中,FHEdec(sk,[[wglobal]])表示全同态解密函数,[[wglobal]]为加密的全局模型,即密文,wglobal为解密的全局模型。