本发明涉及电力系统优化调度领域，特别涉及一种基于状态分解的智能电网分布式能量管理隐私保护方法。
背景技术：
1、随着越来越多的分布式能源被整合到电网中，未来电网将呈现集中式电网与分布式电网并存的格局。由于分布式能量管理算法在鲁棒性、灵活性等方面的优势，近几年来，它受到了越来越多的关注。在分布式能量管理算法中，网络中每个节点都配有分布式控制器，负责数据的采集、计算和通信，没有中央控制器来收集所有节点的数据，节点通过信息交换与邻近节点合作，以优化系统运行。然而分布式能量管理算法的信息交换机制带来了隐私泄露问题。虽然节点的隐私数据不会直接共享到网络中，但是节点的隐私数据与其广播数据密切相关，恶意攻击者可以通过节点的广播数据推断其隐私数据。对于电力消费者，隐私数据的泄露可能导致其用电行为和生活习惯被推断，进而引发安全问题；对于电力生产者，隐私数据的泄露可能导致其在市场竞争中处于劣势地位；另外，攻击者可能利用泄露的隐私数据构建新型网络攻击，破坏电力系统的正常运行。
技术实现思路
1、为了克服上述现有技术的缺点，本发明的目的在于提供一种基于状态分解的智能电网分布式能量管理隐私保护方法，在保护智能电网参与者隐私数据的同时，不影响分布式能量管理算法的最优性。
2、为了实现上述目的，本发明采用的技术方案是：
3、一种基于状态分解的智能电网分布式能量管理隐私保护方法，包括如下步骤：
4、s1：建立智能电网能量管理的优化问题模型；
5、s2：分布式能量管理算法参数初始化，确定每个节点的邻居节点的数量，设置电网中每对节点之间的连接权重、共识变量的更新步长、分布式能量管理算法的最大迭代次数；
6、s3：在分布式能量管理算法的初始迭代时刻，电力网络中每个节点生成相互独立的多份噪声，噪声的份数与该节点的邻居节点的数量相等；
7、s4：在分布式能量管理算法的初始迭代时刻，根据s3生成的噪声，每个节点计算出带噪声的广播数据并发送给其邻居节点；
8、s5：按照一致性更新协议更新共识变量和功率迭代值，所述共识变量包括本地功率失配量和本地增量成本；
9、s6：在分布式能量管理算法的非初始迭代时刻，电力网络中每个节点生成相互独立的多份噪声，噪声的份数与该节点的邻居节点的数量相等，噪声之和设置为1，每份噪声服从期望为邻居节点数量的概率分布；
10、s7：在分布式能量管理算法的非初始迭代时刻，根据s6生成的噪声，每个节点计算出带噪声的广播数据并发送到它的邻居节点；
11、s8：重复s5，若达到最大迭代次数，则结束，否则返回s6。
12、相对于现有技术，本发明具有以下有益效果：
13、1.本发明通过随机分解节点的广播数据，增大了利用节点的广播数据推断该节点隐私数据的难度，实现了隐私保护，具有低复杂度、低成本、易于实现的优点，在实际应用中更加可行。
14、2.本发明同时实现了隐私数据的保护和分布式能量管理算法的最优性，集成到现有的分布式能量算法中也不会影响电力系统的最优经济运行。
15、本发明的方法能够在保护电力系统节点隐私数据的同时，还能保证能量管理算法的最优性，此外该方法还具有低复杂度、低成本、易于实现的优点，在实际应用中更加可行。
1.一种基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，包括如下步骤：
2.根据权利要求1所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s1，智能电网能量管理的优化问题模型表示如下：
3.根据权利要求1所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s2，分布式能量管理算法表示如下：
4.根据权利要求1所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s3，包括如下具体步骤：
5.根据权利要求4所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s301，生成的噪声是指：在分布式能量管理算法的初始迭代时刻(k＝0)，如果节点i的隐私数据的绝对值不大于1，即则生成di份噪声，分别是每份噪声的期望均设置为0，即噪声之和设置为0，即
6.根据权利要求1所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s4，包括以下具体步骤：
7.根据权利要求6所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s401，计算带噪声的广播数据的方法是：如果节点i的隐私数据的绝对值不大于1，即则带噪声的广播数据分别为
8.根据权利要求1所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s5，包括以下具体步骤：
9.根据权利要求1所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s501，更新本地功率失配量的方法如下：
10.根据权利要求1所述基于状态分解的智能电网分布式能量管理隐私保护方法，其特征在于，所述s6，生成的噪声是指：在分布式能量管理算法的非初始迭代时刻(k≥1)，节点i生成di份噪声，分别是每份噪声的期望均设置为di，即噪声之和设置为1，即
