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！

龙图腾网获悉东南大学申请的专利一种基于联邦学习的分行业电力负荷预测方法、设备和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115600717B 。

龙图腾网通过国家知识产权局官网在2025-08-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210542181.5，技术领域涉及：G06Q10/04；该发明授权一种基于联邦学习的分行业电力负荷预测方法、设备和存储介质是由王蓓蓓;朱竞设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种基于联邦学习的分行业电力负荷预测方法、设备和存储介质在说明书摘要公布了：本发明公开一种基于联邦学习的分行业电力负荷预测方法、设备和存储介质，该方法包括步骤1分析电力负荷的影响因素；2对原始电力负荷数据进行预处理；3根据负荷影响因素构建行业用户数据集；4基于LSTNet建立负荷预测模型；5基于FedAvg算法和FedML框架建立基于联邦学习的分行业负荷预测模型。

本发明授权一种基于联邦学习的分行业电力负荷预测方法、设备和存储介质在权利要求书中公布了：1.一种基于联邦学习的分行业电力负荷预测方法，其特征在于，包括以下步骤： 步骤1：根据负荷影响因素构建行业用户数据集； 步骤2：基于LSTNet建立负荷预测模型； 步骤3：基于FedAvg算法和FedML框架建立基于联邦学习的分行业负荷预测模型； 所述的步骤3基于FedAvg算法和FedML框架建立基于联邦学习的分行业负荷预测模型，包括以下步骤： 1令交互轮次t＝0,2,...,T为响应用户传送给位于主动配电网运营商的中央服务器本地模型参数的次数，本地训练批次e＝1,2,...,E为响应用户基于LSTNet负荷预测模型本地训练迭代的次数，模型参数ω如式18所示， ωt为第t轮交互中本地训练批次达到E后LSTNet各层神经元的权重系数或偏置； 2位于主动配电网运营商的中央服务器将初始化后的模型参数ω0发给所有响应用户； 3响应用户接收到模型参数后，在本地基于梯度下降算法训练LSTNet模型； 4在第t轮交互中，响应用户k更新后发给位于主动配电网运营商的中央服务器； 5中央服务器在收集到所有响应用户更新后的模型参数后，对参数做聚合处理生成全局参数： 其中，nk为响应用户k的样本数量，n为所有响应用户的样本总数； 6中央服务器将全局参数ωt发送给所有响应用户，响应用户基于全局参数更新本地参数： 后继续训练直至完成第T次交互。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210096 江苏省南京市玄武区新街口街道四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。