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！

龙图腾网获悉国网湖北省电力有限公司鄂州供电公司申请的专利一种面向电力系统边端设备异构性的联邦学习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：CN121052337B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202511234369.3，技术领域涉及：G06N3/098；该发明授权一种面向电力系统边端设备异构性的联邦学习方法及系统是由汪俊洋;吴青;王钊;龚敏;陈高校;程国昌;刘佳欣;杜倩;周康;郑昱君设计研发完成，并于2025-09-01向国家知识产权局提交的专利申请。

本一种面向电力系统边端设备异构性的联邦学习方法及系统在说明书摘要公布了：本发明属于联邦学习与隐私保护技术的交叉领域，公开了一种面向电力系统边端设备异构性的联邦学习方法及系统。通过构建动态双协作子集：需求协作子集与帮扶协作子集，设计通信与计算联合优化的传输效率模型，实现边端设备间梯度的高效互补协同与资源自适应分配；通过创新性地设计时变学习率补偿函数与双阶段聚合策略，实现异构设备的公平参与与Non‑IID数据的高效融合。本发明通过动态梯度互补机制打破设备能力差异的壁垒，通过通信感知的动态协作子集构建消除传输时延的影响，最终实现高鲁棒、低时延、强隐私保护的分布式模型训练范式，为电力系统边缘智能部署提供关键技术支撑。

本发明授权一种面向电力系统边端设备异构性的联邦学习方法及系统在权利要求书中公布了：1.一种面向电力系统边端设备异构性的联邦学习方法，其特征在于，包括以下步骤： S1、联邦中心服务器初始化全局模型，并下发至所有参与设备； S2、服务器采集各设备的可用带宽和本地一轮训练所需时间； S3、服务器构建各设备的需求协作子集和帮扶协作子集； S4、设备完成一轮本地训练后，将梯度加密上传至服务器，同时根据帮扶协作子集将梯度分发给其中的设备，直连或通过服务器中转； S5、服务器在收到设备上传的梯度后，将全局模型参数下发给该设备，然后采用动态陈旧性补偿策略更新全局模型； S6、设备在收到全局模型参数后，结合本轮训练过程中接收的需求协作子集的梯度信息，执行双阶段聚合； S7、当服务器上的全局聚合次数达到时，结束联邦学习训练； 步骤S3中，服务器构建各设备的需求协作子集和帮扶协作子集，具体包括以下步骤： S31、基于服务器收集到的各设备上传的最新的梯度信息，计算设备间梯度相似矩阵，其中设备i与设备j之间的梯度相似性，为设备i的模型梯度，为设备j的模型梯度； S32、计算每个设备的传输效率，设备i的传输效率，其中，分子表示设备在训练期间可传输的理论数据量为带宽×时间，反映实际通信能力，分母表示梯度传输的理论需求，为设备i的模型梯度内存，所有设备模型相同，模型梯度内存是一样大的； S33、基于传输效率和参与设备个数，确定设备i的需求协作子集个数； S34、选择与设备相似度最小的个设备构成设备i的需求协作子集； S35、由所有设备的需求协作子集推导出每个设备的帮扶协作子集，即哪些设备的需求协作子集包含了该设备； S36、如果设备的帮扶协作子集的大小大于，则保留最不相似的个设备，并通知相关设备更新其需求协作子集； 所述各设备的需求协作子集和帮扶协作子集是动态构建的，联邦中心服务器每执行次全局模型更新，执行一次各参与设备互补需求协作子集的构建操作，； 步骤S5中，采用动态陈旧性补偿策略更新全局模型，具体包括以下步骤： S51、联邦中心服务器来自设备的梯度，将全局模型参数传输至设备； S52、更新全局模型，其学习率计算方式如下：，其中，为全局模型更新总次数，为当前全局模型更新的次数，为设备上传梯度到联邦中心服务器的次数，为全局模型学习率，为权重超参数，；所述学习率同时根据参与频率动态调整：当设备参与频率时，放大补偿系数至；当时，衰减补偿系数至； 服务器之所以先传输全局模型给上传模型的设备，然后进行梯度聚合，是因为设备会根据下发的全局模型执行本地聚合，避免重复聚合。

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湖北省电力有限公司鄂州供电公司，其通讯地址为：436099 湖北省鄂州市鄂城区凤凰路100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。