摘要:随着物联网 (IoT) 在医疗保健、能源供应和工业自动化等各个领域变得越来越不可或缺,网络漏洞和潜在攻击的风险也随之增加。面对这些挑战,信息安全管理系统 (ISMS) 在保护重要信息资产方面的基本功能凸显出来。在此框架内,风险管理是关键,其任务是在发生网络安全事件时充分恢复系统并评估潜在的响应选项。为了实现这一点,ISMS 必须评估最佳响应方式。必须考虑实施行动方案的时间,因为恢复 ISMS 所需的时间是一个关键因素。然而,在一个注重环保的世界里,还应该考虑可持续性维度,以选择更可持续的响应方式。本文标志着风险管理和事件响应领域的显著进步,将安全措施与可持续性和企业责任的更广泛目标相结合。它介绍了一种处理网络安全事件的策略,该策略同时考虑了响应时间和可持续性。这种方法可以根据具体偏好灵活地优先考虑响应时间、可持续性或两者的平衡组合,然后确定最合适的措施来重新保护系统。采用量子方法,它可以保证可靠且一致的响应时间,而不受事件量的影响。通过我们的框架 MARISMA,这种新方法的实际应用在现实世界场景中得到了证明,强调了它在当代风险管理领域的有效性和重要性。
摘要。本文介绍了机器学习技术的新颖使用,以识别分散能源系统领域内可再生微电网中的故障。该研究研究了机器学习模型在识别动态和可变微电网环境中异常的有效性。它利用一个综合数据集,其中包括太阳能,风能和水力发电,能源存储状态和故障指示器等参数。调查表明,与常规的基于规则的方法相比,在识别故障的识别优势方面具有94%的精度,这表明了机器学习的优越性,该方法的准确率为80%。精确度和召回措施强调了机器学习模型的均衡性能,降低了误报和假否定性,并保证了精确的问题检测。断层对微电网效率的影响大大降低,在断层情况下仅记录了2%,这表明模型维持有效的能量供应的能力。一项比较研究表明,与常规技术相比,准确性提高了14%,强调了自适应和数据驱动方法在识别复杂的断层模式方面的益处。灵敏度研究验证了机器学习模型的弹性,证明了它们适应不同设置的能力。模型的实际应用通过模拟
我们研究如何将环境能量收获用作无电池互联网(IoT)中的抗差速器。无电池的物联网设备依赖于环境能量收集,并用于多种应用,包括安全至关重要的应用,例如生物医学植入物。由于稀缺的能量摄入和有限的能量缓冲,其执行变为间歇性,交替进行主动操作的交替,并带有充电能量缓冲区的时期。我们揭示如何通过对环境能量的有限控制来创建livelock,否认服务和饥饿的情况,而无需物理设备访问。我们将这些情况称为能量。我们详细说明,分析和定量证明如何将这些攻击应用于无电池的物联网设备,并说明它们对系统的常规操作的后果。
REZ 路线图确定了与昆士兰州大型网络相连的潜在 REZ,但区域和偏远社区也将通过微电网和独立电力系统等规模较小的项目获得可再生能源投资。这些不同的能源解决方案针对该州不同地区的需求和独特品质量身定制,构成了转变昆士兰州能源系统所需的广泛能源基础设施生态系统。
摘要:本篇综述文章综合了有源配电网 (ADN) 电压调节技术的最新进展,特别是在可再生能源 (RES) 渗透率高的环境中,并以光伏 (PV) 为例。它全面分析了旨在缓解电压波动、优化网络性能和集成智能逆变器和储能系统 (ESS) 等智能技术的各种创新策略和优化算法。本综述重点介绍了分散控制算法、多目标优化技术以及集成软开点 (SOP) 等先进技术以提高电网稳定性和效率的关键发展。本文将这些策略分为两大类:分析方法和计算方法。总之,本综述强调了可再生能源渗透率高的 ADN 电压调节对先进分析和计算方法的迫切需求,并强调了显著提高电网稳定性和效率的潜力。
摘要。本研究探讨了在智能电网中使用模糊逻辑创建和执行能源管理方法,目的是有效地整合可再生能源。该研究采用了经验数据,包括可再生能源生产信息、能源使用变化、电池存储的当前状态以及采取的控制措施。数据分析表明,可再生能源存在显著差异,即太阳能从 350 千瓦到 410 千瓦,风能从 180 千瓦到 220 千瓦,水能从 120 千瓦到 150 千瓦。不同部门的能源消耗呈现出不同的模式。住宅消费从 250 千瓦到 275 千瓦,工业需求从 300 千瓦增加到 330 千瓦,商业消费从 200 千瓦波动到 225 千瓦。电池存储状态出现变化,电池1从150 kWh增加到165 kWh,电池2在180 kWh和195 kWh之间波动,电池3维持在200 kWh至215 kWh的稳定范围内。基于模糊逻辑的控制动作的使用展示了灵活性,其中控制动作1的范围从0.6到0.8,控制动作2在0.5到0.7之间波动,控制动作3在0.6到0.9之间变化。该研究强调了基于模糊逻辑的能源管理系统的灵活性和快速响应。它可以实时调整控制动作以适应可再生能源发电、消费模式和电池存储的变化。这表明它有潜力优化能源流动并确保智能电网中的电网稳定性,促进可再生能源的有效整合。
电池储能系统(BES)与微电网(MG)的集成对于提高可再生能源(RES)集成的依赖能力和灵活性至关重要。但是,可靠性和监管政策是影响MG在市场上最佳运行的关键因素。这项研究旨在通过评估其在不同的监管框架下的性能,即馈电关税(fit),净计量(NM)和储能激励(ESI)来提高与RES和BES的MGS的可靠性。此外,动态拟合(D-FIT)框架也被用来提高MG的可靠性。人造蜜蜂菌落优化算法用于优化每种监管政策的BES大小,以最大程度地减少MG的总成本。每个策略都是根据问题中的特定约束来制定的。随后,为每个优化解决方案计算了负载期望损失(LOLE)和未提供的预期能量(EEN)的可靠性指标。此外,我们将动态热等级(DTR)系统集成到了我们提出的模型中,重点是系统组件评级的安全增强。研究发现,D拟合和标准拟合框架提供了最佳的可靠性水平,而ESI政策下的可靠性提高并不重要,因为MG的大部分需求都是由主要网格提供的。此外,研究表明,Eens的改善高于Lole,这表明安装BES会减少能量损失,而不是中断小时的数量。d-fit框架对两个可靠性指数都有重大的积极影响,与其他对Eens产生更大影响的框架不同。此外,与静态热等级(STR)系统相比,当考虑DTR系统时,我们已经注意到可靠性指数的次级稳定性提高。
抑郁症是一种对人有害的全球疾病。基于各种规模的传统识别方法不够客观和准确。脑电图(EEG)包含丰富的生理信息,这使其成为识别抑郁状态的新研究方向。但是,大多数基于EEG的算法仅提取原始的EEG特征,而忽略复杂的时空信息相互作用,这将降低性能。因此,迫切需要一种更准确和客观的抑郁识别方法。在这项工作中,我们提出了一种新型的抑郁识别模型:W-GCN-GRU。在我们提出的方法中,我们根据Spearman的等级相关系数审查了六个敏感特征,并通过AUC分配了不同的权重系数,以通过AUC进行敏感特征的加权融合。特别是,我们将基于加权敏感特征作为抑郁识别模型的GCN和GRU级联网络使用。对于GCN,我们创造性地基于相关系数矩阵将脑功能网络作为邻接矩阵输入和加权融合敏感的特征用作节点特征矩阵输入。我们所提出的模型在我们的自我收集的数据集和MODMA数据集上表现良好,精度为94.72%,表现优于其他方法。我们的发现表明,特征维度降低,加权融合和脑电图空间信息都对抑郁识别产生了很大影响。
摘要 - 在低成本消费电子和云计算的快速开发中,广泛采用了智能城市和工业控制系统等下一代分布式系统的广泛采用。IoT设备通常由于其开放部署环境和严格的安全控制功能而容易受到网络攻击的影响。因此,入侵检测系统(ID)已成为通过监测和检测异常活动来保护IoT网络的有效方法之一。但是,现有的ID方法依靠集中式服务器来生成行为概况并检测异常,从而导致高响应时间和由于通信开销而引起的大量运营成本。此外,在开放和分配的物联网网络环境中共享行为数据可能违反了设备的隐私要求。此外,各种物联网设备倾向于捕获异质数据,这使行为模型的训练变得复杂。在本文中,我们介绍联合学习(FL),以协作训练一个分散的ID模型,而无需向他人展示培训数据。此外,我们提出了一种有效的方法,称为联合学习集合知识蒸馏(FLEKD)来减轻各种客户的异质性问题。FLEKD比常规模型融合技术实现了更灵活的聚集方法。最后,我们在三种潜在的现实情况下评估了我们提出的框架的性能,并显示Flekd在实验结果中具有明显的优势。公共数据集CICIDS2019上的经验结果表明,所提出的方法在速度和性能方面都优于本地培训和传统的FL,并且显着提高了系统检测未知攻击的能力。索引术语 - 关闭检测系统,联合学习,物品互联网,知识蒸馏,数据杂基
第(5)条 主管部门的职权 为依法执行本法令,主管部门应在其管辖范围内,根据国家现行法律、法规和权力,行使以下职权: 1. 制定和批准分布式生产单元电力生产的总体政策。 2. 与服务提供商协调,确定允许连接到配电网的分布式生产单元的电压、规模以及许可用于生产分布式电力的可再生能源。 3. 与服务提供商协调,通过年度限额和将其分配给不同类别生产商的机制,以实现分布式生产单元电力生产的总体政策目标。 4. 与服务部门协调,根据有关州和酋长国批准的标准和规范,通过连接分布式生产单元的条款、规定、协议、要求、标准和规范,并定期对其进行审查,以确保配电网的稳定性