面向分布式最优潮流的隐私保护方法
来源：计算机应用研究杂志2025年第2期北京时间：
作者：徐雅雯,欧阳晓丽,徐建,
单位：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（optimal power flow，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IEEE 9-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,
基金资助：国家自然科学基金资助项目(61872186)；；
