# 智能电网

在只能改写部分已部署传感器通道、且不知道电网拓扑与检测器参数的条件下，PCGAN从历史量测中学出有功-电压相角、无功-电压幅值的近似解耦关系，并用对抗训练生成贴近正常运行的数据注入扰动。在IEEE 300节点系统、PJM一年小时负荷与10%至100%被攻陷传感器的四种场景中，它对十种机器学习检测器的平均规避率为84.28%，平均空间负荷误判为22.31%，隐身-影响综合分平均18.69%，而最强对比攻击为5.61%。

在只能改写部分已部署传感器通道、且不知道电网拓扑与检测器参数的条件下，PCGAN从历史量测中学出有功-电压相角、无功-电压幅值的近似解耦关系，并用对抗训练生成贴近正常运行的数据注入扰动。在IEEE 300节点系统、PJM一年小时负荷与10%至100%被攻陷传感器的四种场景中，它对十种机器学习检测器的平均规避率为84.28%，平均空间负荷误判为22.31%，隐身-影响综合分平均18.69%，而最强对比攻击为5.61%。

该研究采用文献综述与多案例比较的定性设计，选取Hornsdale Power Reserve（100 MW/129 MWh）、Gateway Energy Storage（250 MW）与Victorian Big Battery（300 MW）三个超过100 MW的已投运项目，分析电池储能系统（BESS）在智能电网中承担调频、削峰、可再生平滑、电压支撑与黑启动等功能，并归纳出公私合作、调频辅助服务与能量套利收益、绿色银行融资等驱动力，以及热失控火灾、冷却系统故障、安全选址争议、监管标准缺失与高初始投资等障碍。

该研究采用文献综述与多案例比较的定性设计，选取Hornsdale Power Reserve（100 MW/129 MWh）、Gateway Energy Storage（250 MW）与Victorian Big Battery（300 MW）三个超过100 MW的已投运项目，分析电池储能系统（BESS）在智能电网中承担调频、削峰、可再生平滑、电压支撑与黑启动等功能，并归纳出公私合作、调频辅助服务与能量套利收益、绿色银行融资等驱动力，以及热失控火灾、冷却系统故障、安全选址争议、监管标准缺失与高初始投资等障碍。