近年来,智能电网建设的推进和智能电表的普及,推动着整个社会电力智能化的发展,促使着社会劳动力结构的优化,并不断改进电力资源的分配管理。人们在享受电力资源对生活改善的同时,也在体验以电力数据为基础的各种智能化服务。然而细粒度的智能电表数据带来的不仅是便捷的智能化服务,还有用户隐私泄露的巨大风险。攻击者通过对智能电表的数据进行分析可以一定程度上获取用户的行为模式和作息习惯、家庭经济与收入状况、以及个人偏好和生活习惯等信息,严重披露个人隐私。用户碍于对自己隐私的保护,不愿意向服务商提供个人的数据,一方面影响了智能电网建设的推进,另一方面也导致电力大数据中隐含的潜在价值无法得到发挥。因此,研究智能电表隐私保护方法具有重大意义。数据扰动是智能电表隐私保护领域的常用方法,主要包括随机扰动、充电电池、差分隐私等算法。当前基于数据扰动的智能电表隐私保护方法,能在一定程度上保障用户隐私的安全性,但仍然存在一些问题:一方面,现有的算法没有考虑到智能电表隐私泄露的特殊性,对模式的保护力度不足;另一方面,当前隐私保护算法专注于数据的安全性而忽略了智能电表数据本身在不同应用领域的可用性保障。本文围绕智能电表数据扰动隐私保护这一关键问题展开研究,在现有方法的基础上,提出了一种基于时间扰动的智能电表隐私保护算法,在保证用户隐私安全的同时,也兼顾到了数据的可用性。本文的主要贡献如下:(1)研究智能电表隐私泄露的原理,分析说明智能电表隐私保护本质上是对模式的保护,而不完全是传统意义上对于单点数值的保护。数值保护是为了单个数据不被攻击者获取,而模式保护对单点数值的保护是为了保证一组准确数据中包含的模式的安全性。数值保护仅保护了单点,而忽略了模式,因此传统的隐私保护方法中针对单一数据的保护策略对智能电表数据是不适用的。最后指出了智能电表数据模式保护机理,为了满足智能电表隐私保护安全性的需求,我们需要破坏电表记录的原始波形,模糊波形中隐含的用户行为模式,从而达到保护用户隐私的目的。(2)在随机扰动和充电电池方法的基础上,本文提出了一种基于时间扰动的智能电表隐私保护算法,将数值域的随机扰动思想转移到时间轴上。通过加大电力消费在时间轴上的搬移力度,一方面提高扰动机制的抗滤波能力,另一方面提高充电电池方法对模式的干扰能力,实现更强有力的电力波形破坏,达到用电模式保护的目的。在算法可用性上,采用单用户时间累积误差和多用户数据聚合误差对智能电表数据在电力计量和数据聚合挖掘上的可用性进行评估;在安全性上,首先利用均方根误差量化算法对电力波形的破坏效果,随后利用非侵入式负载监测算法作为攻击手段评估算法的安全性。实验结果表明,相比于随机扰动方法和充电电池方法,本文在隐私安全性和数据可用性上都有良好的表现。