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：浙江大学

摘要：本发明公开了一种基于分层联邦学习的非侵入式用电负荷检测方法及系统。该方法为将用户用电总负荷数据输入至对应的用户个性化模型中，得到该用户的各用电器的用电负荷数据，本发明使用分层联邦学习技术，有效解决数据限制问题导致的无法训练统一模型的问题，且通过增加一层边缘服务器，减少模型的通信开销，针对分层联邦学习前期由于数据差异性容易导致模型偏离的问题，提出边缘客户端自蒸馏技术，使用边缘客户端历史最优模型指导当前模型；并解决全局模型导致的模型个性化弱的问题，最终得到相应用户的用户个性化模型。

主权项：1.一种基于分层联邦学习的非侵入式用电负荷检测方法，其特征在于，包括如下步骤：将用户的用户用电总负荷数据输入至对应的用户个性化模型中，得到该用户的各用电器的用电负荷数据；所述用户个性化模型通过如下步骤得到：1全局服务器将当前时刻其内存储的全局模型加密分发给相应的多个边缘服务器，边缘服务器接收所述全局模型，再将其加密分发给各自的多个边缘客户端；其中，初始时刻的全局模型基于一个或多个区域内的用户用电总负荷数据及用户的各用电器的用电负荷数据获得；2边缘客户端将获得的模型作为本地模型，并对本地模型进行训练，得到训练后的本地模型，获取训练后的本地模型的模型更新参数，并将所述模型更新参数加密后传输给边缘服务器；其中，所述本地模型为初始时刻的全局模型时，基于边缘客户端内的本地用户的用户用电总负荷数据及各用电器的用电负荷数据获得训练后的本地模型；3边缘服务器接收所有边缘客户端输入的模型更新参数并将模型更新参数与当前时刻边缘服务器内所存储的模型进行模型聚合，得到更新后的模型，并将所述更新后的模型传输给边缘客户端，并重复步骤2和3直至设定轮数，最后一轮边缘服务器内模型聚合得到的结果为边缘全局模型；4边缘服务器获取边缘全局模型相比于当前轮次全局服务器输入至边缘服务器的全局模型的模型更新梯度信息，并将所述模型更新梯度信息加密后发送给全局服务器；5全局服务器接收全部边缘服务器发送的所述模型更新梯度信息，并将各个边缘服务器发送的所述模型更新梯度信息分别与当前时刻全局服务器内所存储的全局模型进行模型聚合，得到多个更新后的全局模型，重复步骤1-步骤5至预设轮数，最后一轮循环中全局服务器内模型聚合得到的结果即为各个边缘服务器的所述用户个性化模型；6全局服务器将各个边缘服务器的所述用户个性化模型加密分发给相应的边缘服务器，边缘服务器接收各自的用户个性化模型，再将其加密分发给各自的多个边缘客户端。

全文数据：

权利要求：

百度查询： 浙江大学 基于分层联邦学习的非侵入式用电负荷检测方法及系统