抗攻击稳频
基于联邦学习和分数阶循环神经网络，在点对点能源交易中抵抗虚假数据注入攻击并稳定微电网频率。
Veerasamy, Veerapandiyan · 胡志坚 · Haifeng, Qiu · Murshid, Shadab · Gooi, Hoay Beng · Nguyen, Hung Dinh
Applied Energy 2024
控制器采用联邦学习框架，只需聚合网络权重而非原始数据，减少隐私泄露风险；同时结合本地差分隐私，即使存在窃听者实施虚假数据注入攻击，也能保持系统稳定。
利用区块链技术确保点对点能源交易的安全性和韧性，使微电网内的产消者可以直接交易能源，无需第三方中介。
所提出的微电网模型及其弹性控制器在OPAL-RT实时仿真平台上实现，验证了其在实际硬件在环条件下的性能。