申请/专利权人：国网江苏省电力有限公司信息通信分公司

申请日：2022-11-23

公开（公告）日：2024-03-19

公开（公告）号：CN115775010B

主分类号：G06N3/044

分类号：G06N3/044;G06F21/60;G06Q50/06;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.03.28#实质审查的生效;2023.03.10#公开

摘要：本发明公开了基于横向联邦学习的电力数据共享方法，首先构建CS通信模式的横向联邦学习框架，并进行如下分布式训练：横向联邦学习框架下，服务器将模型参数发送给各客户端；各客户端构建BP神经网络并采用本地数据集进行本地训练，本地训练完成后的参数采用同态加密技术进行处理后上传；服务器对多个客户端上传的参数进行聚合评估，结果作为全局参数返回到各个客户端进行本地模型的更新，直至达到训练需求或模型收敛为止；其次根据测试数据对分布式训练完成的模型进行验证测试与评估，实现数据的精准预测。本发明在共享时不影响数据的使用，同时保护各参与方的隐私信息，能解决电力数据的数据融合及共享安全问题。

主权项：1.基于横向联邦学习的电力数据共享方法，其特征在于，包括：首先构建CS通信模式的横向联邦学习框架，具体包括：横向联邦学习框架下，服务器将模型参数发送给各客户端；各客户端构建BP神经网络并采用本地数据集进行本地训练，本地训练完成后的参数采用同态加密技术进行处理后上传；服务器对多个客户端上传的参数进行聚合评估，结果作为全局参数返回到各个客户端进行本地模型的更新，直至达到训练需求或模型收敛为止；所述横向联邦学习框架的分布式训练过程包括：1服务器初始化隐私保护模型及其参数；2各个参与的客户端进行数据的预处理，同时初始化BP神经网络；3通过服务器使全局数据归一化；4将服务器的特征i的权重Wi下发到各个客户端；每个客户端计算对应特征i的模型参数Fc，i：Fc，i＝FWi，Dc其中，Dc表示客户端c的本地数据集，c＝1,2,…,K，K为客户端总数；5将各个客户端对应特征i的模型参数相加得到特征i的总模型参数Fi： 6服务器通过特征i的模型参数Fi更新全局模型；7判断是否满足条件，若满足则结束训练，否则转到步骤4继续更新模型；8全局模型训练完成，服务器将符合要求的参数下发到各个本地模型；其次根据用户用电测试数据对分布式训练完成的模型进行验证测试与评估，实现对未来用电数据的精准预测。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司信息通信分公司 基于横向联邦学习的电力数据共享方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD