摘要：数字孪生作为智能制造关键技术在工厂极具实用价值。通过在半导体测试服务公司建立数字孪生系统，收集了探针台二十多万条报警数据。结果显示，超过90%的报警已通过数字孪生系统实现了远程控制解决。为探索报警处理的最佳方式，进一步优化数字孪生模型，并在模型中重现报警，通过模拟不同工况，与传统方式相比，人工操作数字孪生系统处理报警可使设备等待时间减少64%以上。若采用AI后台自行操作数字孪生系统，设备等待时间可继续降低78%。这表明人工对设备报警的反应时间是影响设备等待时间的关键因素，因此，深化使用数字孪生模型自动化处理报警可显著降低设备等待时间，提升设备综合利用率。

摘要：当前，电力系统业务以微服务为主，业务架构发生了显著变化，数据安全能力需要与业务深度融合。然而，现有的数据安全能力仍以传统软硬件架构为主，无法满足跨域流动场景的动态弹性防护需求，难以适应业务架构的变化，亟需研究基于微服务化架构的数据共享交互安全保护技术。然而由于电力系统产生的数据量巨大，不同数据又有着不同的数据安全需求，普通的微服务架构难以解决电力系统微服务架构在高并发场景下的负载失衡。针对以上问题，提出了一种基于开普勒优化算法（Kepler Optimization Algorithm， KOA）的数据安全能力微服务调度算法，旨在实现负载平衡，从而提升系统的高并发处理能力。通过对云集群节点资源和微服务性能进行详细建模，以平衡集群负载与最小化微服务运行时间为目标构建了优化模型。实验结果显示，基于KOA的数据安全能力微服务调度算法在均衡服务器负载、提升集群系统处理效率以及降低任务响应时间方面具有显著效果，有效提升了系统的并发性能。

摘要：对于现代电力系统的数据中台而言，识别用户访问数据过程中的数据推断风险尤为关键。特别是多个用户合谋窃取数据的行为，可能会造成从非敏感数据推断出敏感数据，导致敏感数据泄露，严重威胁电力调度和国家安全。传统的访问控制机制无法识别这种风险。为此，提出一种基于贝叶斯网络的多方关联数据安全风险识别模型MPA-BN，综合考虑用户访问行为、时间模式、接口类型和数据交互方式，利用贝叶斯网络分析用户与服务接口之间的访问关系，深入挖掘数据之间的依赖关系和概率特征，识别数据中台对外服务接口的相关性以及用户组合的潜在风险。本研究使用的数据集来自电力公司数据中台的脱敏日志， 其中包含10 000个访问用户，生成日志的条目约100万。实验结果表明，该模型能够有效识别多用户合谋窃取敏感数据的风险，为电力系统数据安全提供更有力的保障。

摘要：针对高压电力客户用电安全管理面临技术手段支撑不足、标准规范不统一以及支撑工具不完备等问题，从客户侧用电安全政策法规、关键技术、标准规范以及软硬件装备等方面进行了阐述，对现有国内外研究现状进行了分析总结，建立了电力客户用电安全在线检查技术体系，从安全特性建模、安全信息感知、智能故障诊断和安全风险评估四个方面给出了关键技术路线和解决方案。建立“在线+移动式”用电安全在线检查装备体系，对装备的主要功能进行了设计。