Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国网安徽省电力有限公司信息通信分公司胡聪获国家专利权

国网安徽省电力有限公司信息通信分公司胡聪获国家专利权

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!

龙图腾网获悉国网安徽省电力有限公司信息通信分公司申请的专利一种基于数据相似度聚合的电力数据分布式联邦学习系统及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:CN116796864B

龙图腾网通过国家知识产权局官网在2026-04-07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:202310320264.4,技术领域涉及:G06N20/20;该发明授权一种基于数据相似度聚合的电力数据分布式联邦学习系统及方法是由胡聪;雷霆;孙佳丽;卢锐轩;张翠翠;王双设计研发完成,并于2023-03-29向国家知识产权局提交的专利申请。

一种基于数据相似度聚合的电力数据分布式联邦学习系统及方法在说明书摘要公布了:本发明提出一种基于数据相似度聚合的电力数据分布式联邦学习系统,包括基于本地模型聚合的分布式联邦学习模型和基于模型数据相似度的联邦学习聚合过程,其中分布式联邦学习模型包括区块链网络和本地服务器区块链节点服务器节点和模型计算服务器节点,旨在将模型参数聚合工作转到本地服务器中进行,解决了传统联邦学习对中心服务器的依赖和模型单一的问题,实现本地模型个性化;基于模型数据相似度的联邦学习聚合方法利用余弦相似度计算参与者模型参数之间的相关度,确定模型聚合过程中所占权重,实现相似应用场景模型之间更多的学习。该方案满足数据隐私保护需求,有效提高了电力企业在负荷预测和故障诊断等不同应用场景下的安全性和准确性。

本发明授权一种基于数据相似度聚合的电力数据分布式联邦学习系统及方法在权利要求书中公布了:1.一种基于数据相似度聚合的电力数据分布式联邦学习系统,其特征在于,所述系统包括:基于本地模型聚合的分布式联邦学习模型、基于模型数据相似度的联邦学习聚合过程以及基于交易的本地模型更新与聚合流程; 其中,基于本地模型聚合的分布式联邦学习模型:该模型将聚合工作由中央服务器处移至各参与者本地,取消了中央服务器的设置,实现系统的去中心化,参与者依据相对应的聚合算法可生成本地个性化模型,解决传统联邦学习模型单一的问题; 基于模型数据相似度的联邦学习聚合过程:通过利用余弦相似度计算参与者模型参数之间的相关度,确定模型聚合过程中所占比重,实现相似应用场景模型之间的更多学习; 基于交易的本地模型更新与聚合流程主要包括:本地模型更新、交易生产、交易传播以及交易验证; 所述基于本地模型聚合的分布式联邦学习模型具体如下: 该模型利用区块链技术实现系统的去中心化,其架构主要可分为两部分:区块链网络以及本地服务器,本地服务器包括:区块链节点服务器节点和模型计算服务器节点,区块链节点服务器主要负责与区块链网络中的其余节点通信,生成或检查交易,执行共识机制以及本地保存区块链副本,模型计算服务器主要负责利用本地数据对模型进行训练,并将生成的本地模型参数上传至区块链服务器,同一台本地服务器可以同时拥有上述两种节点的全部功能,或通过两台本地服务器通过局域网相连实现,计算服务器和区块链节点服务器是一对一的关系,聚合过程在本地进行,生成各自的本地模型以适用于不同的应用场景; 所述基于模型数据相似度的联邦学习聚合过程如下: 基于模型数据相似度的去中心化联邦学习聚合算法中,依据参与者模型之间的相关度计算模型聚合比重,具体计算公式如下: 其中N表示整个网络中参与者的数量,表示第t轮参与者i的模型参数,ki,j表示参与者i聚合生成模型时,参与者j的模型在聚合过程中所占比重,α为一个超参数,表示之间的余弦相关度, 利用该公式计算参与者i与参与者j之间模型相关度,和间差异越小,ki,j的值越大,针对参与者i计算聚合参数时,参与者j所占比重越大,对生成的模型影响越大,此外,针对传统联邦学习聚合算法中各个参与者缺乏模型个性化的问题,基于模型数据相似度的去中心化联邦学习聚合算法也对其进行了改进,为实现系统的去中心化,全局模型的生成不再由中央服务器处理,而是于参与者处处理,通过这种操作,实现模型个性化,参与者通过公式2,在本地聚合生成一个新的模型并继续下一步的训练, 其中,表示第t轮时参与者i的本地个性化模型参数,本文提出的基于模型相关度的去中心化联邦学习聚合算法如下表示: 输入参与者数量N,本地模型训练次数numberoflocalepochsE,损失函数loss,迭代次数T,学习速率learningrateη,并进行以下过程: 1参与者i训练本地模型迭代E次; 2将本地参数通过区块链节点服务器发送给其余参与者; 3系统达成共识后,获取最新区块内容中其余参与者模型参数; 4利用公式2计算得到本地个性化模型,并将其赋值给 5反复以上的操作,直至迭代次数T。

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国网安徽省电力有限公司信息通信分公司,其通讯地址为:230041 安徽省合肥市芜湖路415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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。