基于依赖马尔可夫链与改进灰狼优化的电力信息物理系统风险区域预测
网络与互联网体系结构
2021-08-03 v1 信号处理
摘要
现有的电力信息物理系统（CPS）风险预测结果不准确，因为它们未能反映组件的实际物理特性和具体运行状态。本文提出一种基于依赖马尔可夫链的电力 CPS 风险区域预测新方法。首先刻画非均匀电力 CPS 耦合网络的负载与约束，并将其用作节点状态判断标准。考虑组件节点异构性以及耦合网络间的相互依赖，随后构建基于依赖马尔可夫链的电力 CPS 风险区域预测模型。接着提出一种由自适应位置调整策略和交叉最优解策略改进的跨自适应灰狼优化算法，以优化预测模型。基于 IEEE 39-BA 110 测试系统的仿真结果验证了所提方法的有效性和优越性。
引用
@article{arxiv.2005.06986,
title = {Power Cyber-Physical System Risk Area Prediction Using Dependent Markov Chain and Improved Grey Wolf Optimization},
author = {Zhaoyang Qu and Qianhui Xie and Yuqing Liu and Yang Li and Lei Wang and Pengcheng Xu and Yuguang Zhou and Jian Sun and Kai Xue and Mingshi Cui},
journal= {arXiv preprint arXiv:2005.06986},
year = {2021}
}
备注
Accepted by IEEE Access