龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京邮电大学;国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司;国网电力科学研究院有限公司;国家电网有限公司
申请日：2024-02-28
公开（公告）日：2024-06-25
公开（公告）号：CN118246520A
主分类号：G06N3/098
分类号：G06N3/098;G06N3/0464;G06N3/049;G06F18/214;G06F18/22;G06F18/23;H02J3/00
优先权：["20240227 CN 2024102161213"]
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明提供一种面向电力负荷预测的联邦学习方法、装置、设备及介质，涉及人工智能领域。该方法包括：基于用电模式将多个电站客户端划分成多个协作训练域；基于时域卷积网络构建负荷预测模型并下发到各协作训练域的电站客户端；在每个电站客户端分别使用各自的训练样本对负荷预测模型进行训练得到个性化层参数和通用层参数；对属于相同协作训练域的各电站客户端对应的个性化层参数进行边缘聚合以更新个性化层；先对属于相同协作训练域的各电站客户端对应的通用层参数进行边缘聚合，再对各个协作训练域边缘聚合后的通用层参数进行域间全局聚合以更新通用层。本发明的方案能够减少时延，模型能够更快收敛，提高联邦学习在资源异构场景下的性能。
主权项：1.一种面向电力负荷预测的联邦学习方法，其特征在于，所述方法包括：对多个电站的用电模式进行分析，并基于分析出的用电模式将多个电站客户端划分成多个协作训练域，其中，具有相似用电模式的电站客户端划分到同一协作训练域；基于时域卷积网络构建负荷预测模型并下发到各协作训练域的电站客户端，其中，所述负荷预测模型包括个性化层和通用层；在每个电站客户端分别使用各自的训练样本对负荷预测模型进行本地模型训练，得到个性化层参数和通用层参数；对属于相同协作训练域的各电站客户端对应的所述个性化层参数进行边缘聚合以更新所述负荷预测模型中的所述个性化层；先对属于相同协作训练域的各电站客户端对应的所述通用层参数进行边缘聚合，再对各个协作训练域边缘聚合后的通用层参数进行域间全局聚合以更新所述负荷预测模型中的所述通用层。
全文数据：
权利要求：
百度查询： 北京邮电大学;国网江苏省电力有限公司信息通信分公司;国网江苏省电力有限公司;国网电力科学研究院有限公司;国家电网有限公司 面向电力负荷预测的联邦学习方法、装置、设备及介质
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