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！

龙图腾网获悉泉城省实验室申请的专利一种基于深度压缩联邦学习的电网能耗预测方法及系统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：CN121212473B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511714556.1，技术领域涉及：G06Q10/04；该发明授权一种基于深度压缩联邦学习的电网能耗预测方法及系统是由赵川;姜本冬;赵圣楠;刘德凯;张波;陈贞翔;彭立志;杨波设计研发完成，并于2025-11-21向国家知识产权局提交的专利申请。

本一种基于深度压缩联邦学习的电网能耗预测方法及系统在说明书摘要公布了：本发明涉及一种基于深度压缩联邦学习的电网能耗预测方法及系统，包括：服务器首先向各客户端分发全局模型参数；各客户端基于本地数据完成模型训练后，依次执行客户端剪枝、量化与编码操作，从而得到压缩后的本地模型。随后，客户端将其压缩模型上传至服务器端，服务器对接收到的模型进行解码，恢复为量化模型，并对所有客户端的量化模型进行聚合；为提升模型安全性并防范潜在的恶意梯度攻击，服务器在聚合后进一步执行服务器端剪枝策略，对聚合结果进行优化。最后，服务器将剪枝后的量化模型再次分发至各客户端。客户端接收到模型后，基于本地信息执行对齐与逆量化操作，以对本地模型进行更新，从而完成一轮联邦优化过程。

本发明授权一种基于深度压缩联邦学习的电网能耗预测方法及系统在权利要求书中公布了：1.一种基于深度压缩联邦学习的电网能耗预测方法，其特征在于，包括： 步骤1：构建电网能耗预测模型，服务器对电网能耗预测模型进行初始化，并将初始化后的电网能耗预测模型下发至多个客户端； 步骤2：客户端接收电网能耗预测模型并进行训练，生成适配本地电网场景的私有模型； 步骤3：客户端对私有模型进行剪枝，在训练初期阶段，采用模型参数的方差作为剪枝阈值，在稳定阶段，将剪枝阈值调整为本地模型与全局模型参数的标准差；对剪枝后的私有模型再次进行训练； 步骤4：对再次训练后的私有模型进行量化，并将量化后的私有模型进行压缩编码后上传至服务器； 步骤5：服务器对多个客户端上传的压缩编码后的私有模型进行解码，并采用L2范数对量化后的模型进行服务器端剪枝，将服务器端剪枝后的私有模型进行聚合形成全局模型，将全局模型下发至各个客户端； 步骤6：客户端计算全局模型与量化后的私有模型差值，对本地的私有模型进行更新和训练； 步骤7：重复执行步骤3-6，直至电网能耗预测模型收敛，得到训练好的电网能耗预测模型，使用训练好的电网能耗预测模型进行预测。

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泉城省实验室，其通讯地址为：250100 山东省济南市历城区经十东路国家超算济南中心科技园；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”。

以上内容由龙图腾AI智能生成。