基于竞争双深度Q学习的智能电表隐私保护与成本管理

王 峥，郭 彦，聂 峥，庞振江，臧志成，巩永稳

(1.北京智芯微电子科技有限公司 国家电网公司重点实验室、电力芯片设计分析实验室，北京 100192；2.浙江华云信息科技有限公司，杭州 310000)

0 引 言

随着5G、人工智能等技术的发展，传统电网变得更加智能化和泛在化，从而逐渐更新换代为当前热门的智能电网。近年来被业界广泛研究的物联网技术被布局到智能电网中，极大地提升了电力系统对海量数据的处理和分析能力[1-2]。高级计量体系是实现智能电网的重要组件，它依赖于拥有传感、计算、存储、通信等能力的智能电表。智能电表能实现电能的智能管理，已经被广泛部署到包括智能家居、智能楼宇、智能园区等新兴应用场景中。

智能电表应用面临的一个主要威胁是电表数字化和网络化带来的数据泄露问题，尤其对于部分工商业用户，用电数据属于敏感的商业机密。为了降低电表数据泄露的风险，需要采取有效的数据隐藏技术降低智能电表数据泄露的风险。电表数据隐藏技术可以大致分为基于电量[3]和基于负载[4]2类方法。基于电量的电表数据隐藏技术主要通过控制电表所监控的储能设备的充放电功率，使用电输出负载趋近于常数；基于负载的电表数据隐藏技术通过转移用户可控负载的能耗需求，使能耗速率趋近于常数。这2种方法均是从信号和数据处理的角度隐藏智能电表端用电规律的变化，实现电表数据的隐藏。然而，无论使用哪种方法都会增加用电成本的代价[5]，因此，如何平衡电表的隐私保护效能和用电成本是一个被广泛关注的问题。……