随着城市化进程的不断提高,智能电网越来越受到人们的关注。智能电网结合了传统电网和信息技术,实现了用户与电力公司间信息的双向传输。在此场景下,用户上传细粒度的用电数据,电力公司则通过收集分析数据来实现电力的合理调配。然而,细粒度的信息收集和分析存在泄露用户隐私的风险,可能会造成用户财产损失甚至危害人身安全。本文从电力数据收集及电力数据分析两个阶段,对智能电网环境下的隐私保护技术进行研究,主要贡献如下:(1)研究提出无可信三方电网架构下的隐私保护用户计费方案。就数据收集阶段而言,现有隐私保护技术多依赖于存在可信第三方的智能电网架构。此外,为了保证用户用电数据的隐私安全,方案多将用户与数据的关联打破,使得电力公司仅能获取聚集信息,因而引入了用电计费问题。针对这些问题,本文提出了一种隐私保护用户计费方案。在无可信第三方的智能电网系统架构中,该方案支持实时电价计费、用户动态加入退出和账单验证,同时保障用户隐私安全。(2)研究提出满足差分隐私保护的智能电网用电数据聚类算法。现有数据挖掘分析研究对电力数据进行隐私保护探讨的力度较弱。本文在k-means算法的基础上提出了一种满足差分隐私保护的智能电网用电数据聚类算法。首先,算法利用密度优化,并结合指数机制,在实现簇类初始中心点合理选取的同时,兼顾了隐私保护。第二,针对电力用户的动态加入,算法引入类内相似度及类间相似度两项评价指标,通过分裂和合并实现对局部数据的调整,从而减少计算开销,提高聚类效率。分析表明本算法满足ε-差分隐私保护。不仅如此,仿真结果还表明,算法在初始中心点的选取上具有合理性,同时聚类结果具有可用性。(3)设计实现了差分隐私保护下的智能电网电力负荷聚类系统。在上述提出的满足差分隐私保护的智能电网用电数据聚类算法基础上,本系统可根据数据接入用户提供的不同区域用户用电数据,进行不同维度的统计分析,获取各个区域用户行为模式,确定区域用户类型,从而制定相应的电力增值服务,使电力公司更好的服务于用户。