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！

龙图腾网获悉浙江浙能电力股份有限公司萧山发电厂;浙江大学申请的专利面向燃气轮机发电装备的联邦知识融合与故障诊断方法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：CN116776975B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310640945.9，技术领域涉及：G06N5/022；该发明授权面向燃气轮机发电装备的联邦知识融合与故障诊断方法是由王国清;吕力行;徐雷;汪忠德;谢伟才;周齐辉;赵春晖;汪嘉业;宋鹏宇设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本面向燃气轮机发电装备的联邦知识融合与故障诊断方法在说明书摘要公布了：本发明公开了面向燃气轮机发电装备的联邦知识融合与故障诊断方法。本发明在每个电厂所代表的边端建立一个条件生成对抗网络用于边端故障诊断，然后将建立的模型上传到云端进行联邦知识融合。在联邦知识融合过程中，将每个边端上传的模型都视为一个教师网络，提取教师网络中多层级故障知识，同时将动态加权平均后的多层级故障知识蒸馏到在云端训练的全局模型中，实现无偏全局模型的构建。最后将融合后的全局模型部署到各个边端，以更新每个边端的本地模型。本发明通过融合多个电厂故障诊断模型的知识有效实现了对所有故障的诊断，不仅实现了隐私保护，而且大大提高了故障检测的性能。

本发明授权面向燃气轮机发电装备的联邦知识融合与故障诊断方法在权利要求书中公布了：1.面向燃气轮机发电装备的联邦知识融合与故障诊断方法，其特征在于，具体为： 实时获取燃气轮机发电装备运行的过程变量数据； 将过程变量数据输入至训练好的故障诊断模型，获得故障诊断结果； 其中，所述训练好的故障诊断模型是基于云边协同场景下训练获得的，所述云边协同场景下，包含个边端和一个云端，其中每个边端对应一个电厂；训练方法如下： 每个边端基于本地燃气轮机发电装备的故障数据构建训练数据集；训练数据集的每一样本包含一段过程变量数据和对应的故障标签； 每个边端分别构建一个边端条件生成对抗网络，云端构建一个全局条件生成对抗网络，所述边端条件生成对抗网络包含一个边端特征提取器、一个边端特征生成器和一个边端预测器；边端特征提取器用于基于输入样本的过程变量数据提取真实故障特征；边端特征生成器用于将基于输入样本构建的拼接特征映射成生成故障特征，基于输入样本构建的拼接特征为从标准正态分布中随机采样出的一维向量与输入样本中真实故障标签的拼接；边端预测器用于对真实故障特征和生成故障特征输出对应的故障诊断结果和真实性判别结果；所述全局条件生成对抗网络包含一个全局特征提取器、一个全局特征生成器和一个全局预测器； 每个边端将训练数据集的每个样本输入至对应的边端条件生成对抗网络中，以最小化第一损失函数进行训练，其中，在训练过程中每个边端每间隔固定轮次上传边端条件生成对抗网络到云端，云端对边端条件生成对抗网络的模型参数进行参数平均得到全局条件生成对抗网络的初始模型参数；再将云端数据输入至全局条件生成对抗网络和每个边端条件生成对抗网络，通过最小化第二损失函数完成全局条件生成对抗网络的训练，将训练好的全局条件生成对抗网络再分发给各边端，各边端收到全局条件生成对抗网络后，以全局条件生成对抗网络的模型参数作为边端条件生成对抗网络后续训练的起点；重复该流程直至达到预设的轮次，完成每个边端的边端条件生成对抗网络和全局条件生成对抗网络的训练，训练好的边端特征提取器和边端预测器为对应边端的故障诊断模型；所述云端数据为从标准正态分布中采样的若干一维向量与相同数量的预设故障标签的拼接；其中，所述第一损失函数包括边端预测器的分类损失、边端特征生成器与边端预测器之间关于特征真实性的对抗损失；所述第二损失函数包括全局特征生成器的特征图知识与各个边端特征生成器的特征图知识的对齐损失、全局预测器和各个边端预测器的输出类概率的对齐损失和全局预测器的分类损失。

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浙江浙能电力股份有限公司萧山发电厂;浙江大学，其通讯地址为：311251 浙江省杭州市萧山区临浦镇；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。