龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：大连理工大学
摘要：本发明提供了一种基于横向联邦学习的智能风电场风况预测方法，属于深度学习技术领域。本发明在能够解决结合多风电场预测过程中所涉及的数据安全问题的同时，能够取得更为优异的训练效果，在训练过程能够充分利用过去的经验；本发明在即使参与者可靠性较低情况下，准确率仍能够保证；并且本发明提供的基于AutoEncoder的数据降维方法能够减少数据计算量，大幅提高运行速度。本发明在部署上相对简单，只需各个风电场将数据暴露在特定端口，模型能即拿即用。
主权项：1.一种基于横向联邦学习的智能风电场风况预测方法，其特征在于，包括以下步骤：步骤一，由n个风电场参与联邦学习训练，每个风电场分别对本地数据进行预处理；步骤二，服务器建立改进LSTM模型，初始化模型参数W0；步骤三，为了解决各风电场之间的隐私问题，服务器采用非对称性加密算法，产生公钥和对应的私钥；步骤四，服务器从n个风电场中随机选择l个风电场发布训练任务，向各风电场传递改进LSTM模型、模型参数W0及公钥；步骤五，l个风电场分别使用步骤一中预处理后的数据对改进LSTM模型进行训练；在该步骤中梯度计算方法使用梯度选择更新算法获得新的梯度，再修改模型参数W0；步骤六，每个风电场对本地所有数据进行一次训练；l个风电场将获得改进LSTM模型更新后的参数W′＝{w1′,w2′,...,wl′}，并利用步骤三产生的公钥加密形成参数W＝{w1,w2,...,wl}；步骤七，服务器获得步骤六的参数W，利用步骤三产生的私钥进行解密，得到参数W′，对模型参数W0进行更新，服务器重新从n个风电场中随机选择l个风电场发布任务，重复步骤五与步骤六，直到改进LSTM模型的准确率不再发生变化；所述步骤五中，梯度选择更新算法的具体步骤如下：5.1创建长度为L的数组A；5.2各风电场训练数据，获取当前模型训练的梯度信息d1；5.3将梯度信息d1存储到数组A，若数组A已满，则删除数组中权最小的梯度信息；记梯度信息d1的权为修改数组A各梯度的概率为其中rank表示当前梯度在数组中按模长排序的位次；5.4从数组A中按概率pi抽取一个梯度信息d2，令更新改进LSTM模型的参数。
全文数据：
权利要求：
百度查询： 大连理工大学 基于横向联邦学习的智能风电场风况预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号