基于横向联邦学习的电力数据共享方法

    公开(公告)号:CN115775010B

    公开(公告)日:2024-03-19

    申请号:CN202211470177.9

    申请日:2022-11-23

    Abstract: 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C/S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。

    电网数据的拓扑结构生成方法、装置、设备及存储介质

    公开(公告)号:CN117112630A

    公开(公告)日:2023-11-24

    申请号:CN202311199897.0

    申请日:2023-09-15

    Abstract: 本公开实施例公开了一种电网数据的拓扑结构生成方法、装置、设备及存储介质。该方法包括:首先获取预先所构建电网公共信息模型CIM/E对应的模型数据描述文件;然后采用预编写的文件解析脚本,对所述模型数据描述文件中的CIM/E模型数据进行解析;最后基于所述CIM/E模型数据的解析结果,生成所述CIM/E模型数据的拓扑结构图。该方法解决了CIM/E模型存在占用空间大、冗余信息量大以及查询分析效率低的问题,采用拓扑结构图的方式清晰展现了电力系统运行中的各类数据,清晰简洁的描述CIM/E模型中各类数据之间的连接关系,提高了对电力系统运行的各类数据的搜索查找的效率,满足了未来新型电力系统下复杂电力调度控制的业务中电网拓扑存储、查询和分析等应用的性能需求。

Patent Agency Ranking