[1] 薛禹胜,赖业宁. 大能源思维与大数据思维的融合(一)大数据与电力大数据[J]. 电力系统自动化, 2016,40(1):1-8.
[2] 余贻鑫,刘艳丽. 智能电网的挑战性问题[J]. 电力系统自动化, 2015,39(2):1-5.
[3] 汤奕,陈倩,李梦雅,等. 电力信息物理融合系统环境中的网络攻击研究综述[J]. 电力系统自动化, 2016,40(17):59-69.
[4] 王栋,陈传鹏,颜佳,等. 新一代电力信息网络安全架构的思考[J]. 电力系统自动化, 2016,40(2):6-11.
[5] 靳丹,马志程,杨鹏,等. 电力信息系统动态风险评估方法研究[J]. 现代电子技术, 2016,39(14):162-165.
[6] 张振安,黄少伟,梁易乐,等. 基于主从博弈的交直流混联系统主动防御策略设计[J]. 电工电能新技术, 2015,34(10):10-16.
[7] 黄天恩,孙宏斌,郭庆来,等. 基于电网运行大数据的在线分布式安全特征选择[J]. 电力系统自动化, 2016,40(4):32-40.
[8] ANWAR A, MAHMOOD A N. Anomaly detection in electric network database of smart grid: Graph matching approach[J]. Electric Power Systems Research, 2016,133:51-62.
[9] 金鑫,李龙威,苏国华,等. 基于Spark框架和PSO优化算法的电力通信网络安全态势预测[J]. 计算机科学, 2017,44(s1):366-371.
[10]ZHU F, LIU Q, FU Y C, et al. Segmentation of neuronal structures using SARSA (λ)-based boundary amendment with reinforced gradient-descent curve shape fitting[J]. PLoS One, 2014,9(3):1-19.
[11]秦蕊,曾帅,李娟娟,等. 基于深度强化学习的平行企业资源计划[J]. 自动化学报, 2017,43(9):1588-1596.
[12]朱斐,朱海军,刘全,等. 一种解决连续空间问题的真实在线自然梯度AC算法[J]. 软件学报, 2018,29(2):267-282.
[13]SUTTON R S, BARTO A G. Reinforcement learning: An introduction[J]. IEEE Transactions on Neural Networks, 2005,16(1):285-286.
[14]BUSONIU L, BABUSKA R, SCHUTTER B D, et al. Reinforcement Learning and Dynamic Programming Using Function Approximators[M]. CRC Press, 2010.
[15]WIERING M, OTTERLO M V. Reinforcement Learning[M]. Springer Berlin Heidelberg, 2012.
[16]肖峻,甄国栋,祖国强,等. 配电网安全域法的改进及与N-1仿真法的对比验证[J]. 电力系统自动化, 2016,40(8):57-63.
[17]何耀,周聪,郑凌月,等. 基于扩展卡尔曼滤波的虚假数据攻击检测方法[J]. 中国电力, 2017,50(10):35-40.
[18]陈小军,时金桥,徐菲,等. 面向内部威胁的最优安全策略算法研究[J]. 计算机研究与发展, 2014,51(7):1565-1577.
[19]陈学通,凌超,薛峰,等. 一种基于贪心算法的紧急控制策略优化搜索方法[J]. 电力系统保护与控制, 2017,45(23):74-81.
[20]AUER P, CESA-BIANCHI N, FREUND Y, et al. The non-stochastic multi-armed bandit problem[J]. Siam Journal on Computing, 2011,32(1):48-77.
|