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：南方电网能源发展研究院有限责任公司

摘要：本申请涉及一种基于多梯度公平下降联邦学习算法的负荷预测模型建立方法、装置、设备、存储介质和程序产品，涉及电网及人工智能技术领域。本申请能够在保护负荷用户隐私和数据所有权的同时，提高负荷预测合作建模的准确性、效率、公平性和鲁棒性，提供了可有效调节负荷预测合作建模公平性、准确性和效率之间的均衡的机制。方法包括：中央服务器初始化全局模型参数、梯度最快共同下降方向向量和学习率，每轮迭代中，各配电网运营商根据中央服务器发送的信息和本地额负荷数据集计算并反馈梯度和损失值至中央服务器，中央服务器基于反馈的梯度和损失值结合均衡机制更新梯度最快共同下降方向向量等信息并发送给配电网运营商。

主权项：1.一种基于多梯度公平下降联邦学习算法的负荷预测模型建立方法，其特征在于，应用于中央服务器，所述方法包括：在负荷预测模型的首轮次的训练中，将初始化的全局模型参数、初始化的梯度最快共同下降方向向量和初始化的学习率发送至多个配电网运营商服务器，以供多个所述配电网运营商服务器结合各自本地的负荷数据集计算并返回对应的本地模型梯度和本地误差损失函数值；在属于非首轮次的当前轮次的训练中，根据多个所述配电网运营商服务器返回的所述本地误差损失函数值得到对应的全局模型误差损失向量，根据所述全局模型误差损失向量和预设的公平指导向量获取对应的公平目标函数；所述根据所述全局模型误差损失向量和预设的公平指导向量获取对应的公平目标函数，包括：将预设的所述公平指导向量在所述全局模型误差损失向量的法平面上投影后进行取反并归一化，得到公平驱动向量；根据所述全局模型误差损失向量和所述公平驱动向量的乘积，得到所述公平目标函数；预设的所述公平指导向量为，m表示配电网运营商的总数，表示实数集；根据所述全局模型误差损失向量和所述公平指导向量的接近程度，确定根据所述全局模型误差损失向量或者根据所述全局模型误差损失向量和所述公平目标函数构建待求解的目标函数；其中，所述待求解的目标函数用于确定使得各所述本地误差损失函数值下降最快的所述梯度最快共同下降方向向量；所述接近程度由所述全局模型误差损失向量和所述公平指导向量的夹角表示；所述根据所述全局模型误差损失向量和所述公平指导向量的接近程度，确定根据所述全局模型误差损失向量或者根据所述全局模型误差损失向量和所述公平目标函数构建待求解的目标函数，包括：若所述全局模型误差损失向量和所述公平指导向量的所述夹角大于夹角阈值，则根据所述全局模型误差损失向量和所述公平目标函数构建待求解的目标函数；若所述全局模型误差损失向量和所述公平指导向量的所述夹角小于或等于所述夹角阈值，则根据所述全局模型误差损失向量构建待求解的目标函数；结合多个所述配电网运营商服务器返回的所述本地模型梯度求解所述待求解的目标函数，得到当前轮次的所述梯度最快共同下降方向向量；若所述梯度最快共同下降方向向量未满足训练结束条件，则确定当前轮次的所述学习率，及根据上一轮次的所述全局模型参数、当前轮次的所述梯度最快共同下降方向向量和当前轮次的所述学习率，确定当前轮次的所述全局模型参数；发送当前轮次的所述全局模型参数、所述梯度最快共同下降方向向量和所述学习率至多个所述配电网运营商服务器，以供多个所述配电网运营商服务器结合各自本地的所述负荷数据集计算并返回对应的所述本地模型梯度和所述本地误差损失函数值。

全文数据：

权利要求：

百度查询： 南方电网能源发展研究院有限责任公司 基于多梯度公平下降联邦学习算法的负荷预测模型建立方法、装置、设备和存储介质