面向分布式最优潮流的隐私保护方法.pdfVIP

第４２卷第２期计算机应用研究Ｖｏｌ４２Ｎｏ２

２０２５年２月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＦｅｂ．２０２５

面向分布式最优潮流的隐私保护方法

１２１

徐雅雯，欧阳晓丽，徐建

（１．南京理工大学计算机科学与工程学院，南京２１００９４；２．中国电子科技集团公司第二十八研究所，南京

２１０００７）

摘要：电力系统中包含大量敏感数据，保护这些数据的隐私安全对用户至关重要。针对在分布式最优潮流

（ｏｐｔｉｍａｌｐｏｗｅｒｆｌｏｗ，ＯＰＦ）算法中，由于迭代过程中信息交换频繁导致的隐私泄露问题，提出一种面向分布式最

优潮流的隐私保护方法。该算法采用完全分布式计算方法来进一步增强隐私性，并引入了自适应惩罚参数方法

以提高计算效率。在算法的迭代过程中对各节点间交流的传输变量添加差分隐私噪声，从而阻止攻击者通过窃

听传输变量真实值而推测算法中的关键参量，实现了模糊关键参数的ＯＰＦ问题的分布式求解框架。此外，对于

所提算法的收敛性和最优性进行了理论证明，并在ＩＥＥＥ９总线系统中进行仿真验证。仿真结果验证了该算法

具有收敛性与准确性，隐私保护性能也优于对比算法。该算法有效地解决了在迭代过程中由于信息交换导致的

隐私泄露问题，在保持计算效率的同时，显著提高了数据隐私的安全性。

关键词：差分隐私；分布式优化；最优潮流；隐私保护

中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１００１３６９５（２０２５）０２０３７０５９２０７

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．０４．０２１１

Ｐｒｉｖａｃｙｐｒｏｔｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｄｉｓｔｒｉｂｕｔｅｄｏｐｔｉｍａｌｐｏｗｅｒｆｌｏｗ

１２１

ＸｕＹａｗｅｎ，ＯｕｙａｎｇＸｉａｏｌｉ，ＸｕＪｉａｎ

（１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００９４，Ｃｈｉｎａ；２．Ｔｈｅ２８ｔｈＲｅｓｅａｒｃｈ

ＩｎｓｔｉｔｕｔｅｏｆＣｈｉｎａＥｌｅｃｔｒｏｎｉｃｓＴｅｃｈｎｏｌｏｇｙＧｒｏｕｐＣｏｒｐｏｒａｔｉｏｎ，Ｎａｎｊｉｎｇ２１０００７，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈｅｐｏｗｅｒｓｙｓｔｅｍｃｏｎｔａｉｎｓａｌａｒｇｅａｍｏｕｎｔｏｆｓｅｎｓｉｔｉｖｅｄａｔａ，ａｎｄｐｒｏｔｅｃｔｉｎｇｔｈｅｐｒｉｖａｃｙｏｆｔｈｅｓｅｄａｔａｉｓｃｒｕｃｉａｌｆｏｒ

ｕｓｅｒｓ．Ｉｎｒｅｓｐｏｎｓｅｔｏｔｈｅｐｒｉｖａｃｙｌｅａｋａｇｅｐｒｏｂｌｅｍｃａｕｓｅｄｂｙｆｒｅｑｕｅｎｔｉｎｆｏｒｍａｔｉｏｎｅｘｃｈａｎｇｅｄｕｒｉｎｇｔｈｅｉｔｅｒａｔｉｖｅｐｒｏｃｅｓｓｉｎｄｉｓ

ｔｒｉｂｕｔｅｄＯＰＦａｌｇｏｒｉｔｈｍｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｐｒｉｖａｃｙｐｒｏｔｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｄｉｓｔｒｉｂｕｔｅｄｏｐｔｉｍａｌｐｏｗｅｒｆｌｏｗ．Ｔｈｅａｌｇｏｒｉｔｈｍｕｓｅｄ

ａｆｕｌｌｙｄｉｓｔｒｉｂｕｔｅｄｃｏｍｐｕｔｉｎｇｍｅｔｈｏｄｔｏｆｕｒｔｈｅｒｅｎｈａｎｃｅｐｒｉｖａｃｙ，ａｎｄｉｎｔｒｏｄｕｃｅｄａｎａｄａｐｔｉｖｅｐｅｎａｌｔｙｐａｒａｍｅｔｅｒｍｅｔｈｏｄｔｏｉｍ

ｐｒｏｖｅｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌｅｆｆｉｃｉｅｎｃｙ．Ｄｕｒｉｎｇｔｈｅｉｔｅｒａｔｉｖｅｐｒｏｃｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ｔｈｅｍｅｔｈｏｄａｄｄｅｄｄｉｆｆｅｒｅｎｔｉａｌｐｒｉｖａｃｙｎｏｉｓｅｔｏ

ｔｈｅｔｒａｎｓｍｉｓ