公开(公告)号：CN116451117A

公开(公告)日：2023-07-18

申请号：CN202310377836.2

申请日：2023-04-10

Applicant: 南京信息工程大学

Inventor： 邓莹 ,  胡凯 ,  李姚根

IPC: G06F18/24 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/098 ,  G06F18/25

Abstract: 本发明公开了一种基于联邦学习的电力数据异常检测方法，步骤如下：(1)故障检测数据预处理：建立多维时间序列客户端；数据预处理；构建时间窗口；(2)基于时域卷积神经网络、自注意力机制，建立本地模型：模型输入初始化；单层融合编码器运算；解码运算；构建模型损失函数；进行异常评分；更新局部模型参数；(3)服务器端采用联邦学习模型实现联合训练：构建模型损失函数；更新局部模型参数；通过上述的过程更新局部模型参数之后，上传到终端服务器中，进行聚合生成全局模型。本发明能够同时考虑到数据局部依赖性和数据全局依赖性，能够更好的提取时间序列中的时序重构信息，从而提高多维时间序列异常检测的有效性。

公开(公告)号：CN116706888A

公开(公告)日：2023-09-05

申请号：CN202310661574.2

申请日：2023-06-05

Applicant: 南京信息工程大学

Inventor： 李姚根 ,  胡凯 ,  龚晟 ,  邓莹 ,  吴佳胜 ,  陆美霞

IPC: H02J3/00 ,  H02J13/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/098 ,  G06N3/0985

Abstract: 本申请涉及一种基于联邦学习的智能电网负荷预测方法。该方法包括：将电力数据集进行分类，分成训练集、测试集和验证集，各客户端采用训练集构建自身的基于LSTM网络的电网负荷预测模型，获得初步网络参数上传至服务器端进行联合训练，服务器端根据初步网络参数，基于MMD的模型迁移方法对基于LSTM网络的电网负荷预测全局模型进行联合训练，再使用测试集和验证集进行测试验证，获得最终网络参数，并将最终网络参数返回给各客户端更新为最终网络参数，获得各客户端的基于LSTM网络的电网负荷预测全局模型进行电力负荷预测，以确定平均绝对误差，由此，处理的数据量会大大减少，可以解决数据上传的延迟且数据量较大的问题，提高了电力的负荷预测的处理效率。