[發明專利]一種基于聯合學習的能源數據模型訓練方法、裝置、終端設備及存儲介質

在審

• 申請號: 202010795825.2
• 申請日: 2020-08-10
• 公開（公告）號: CN114077898A
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 黃信
• 申請（專利權）人: 新智數字科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 楊波

本發明適用于能源領域，提供了一種基于聯合學習的能源數據模型訓練方法、裝置、終端設備及存儲介質，其中，所述方法包括獲取位于不同區域中相同能源設備的業務數據；基于所述業務數據，確定多個具有相同或相似業務特征的能源設備為一個聯合學習區域；在同一所述聯合學習區域上采用相同模型進行聯合學習；根據所述聯合學習的結果，輸出所述模型。本發明很好的解決了現有技術缺乏能夠適用于業務特征相同或相似的能源設備的高質量模型。

技術領域

本發明屬于能源領域，尤其涉及一種基于聯合學習的能源數據模型訓練方法、裝置、終端設備及存儲介質。

背景技術

隨著互聯網等信息技術的發展，已經有越來越多的技術(大數據、分布式、區塊鏈、人工智能等)應用于能源領域。然而，現代社會對數據隱私、安全的要求越來越嚴格，相關數據隱私法律法規的出現對人工智能傳統的處理方式提出新的挑戰。比如業務特征相同或相似的能源設備收集到的本地數據較為敏感，它們之間沒有辦法集中數據,從而導致數據孤島問題。由于每個數據孤島的數據大小或數據特征都具有一定的局限性，所以很可能單個數據擁有者無法訓練出能夠適用于業務特征相同或相似的能源設備的具有良好準確性的高質量模型。

發明內容

有鑒于此，本發明實施例提供了一種基于聯合學習的能源數據模型訓練方法、裝置、終端設備及存儲介質，旨在解決現有技術中缺乏能夠適用于業務特征相同或相似的能源設備的高質量模型。

本發明實施例的第一方面，提供了一種基于聯合學習的能源數據模型訓練方法，包括：

獲取位于不同區域中相同能源設備的業務數據；

基于所述業務數據，確定多個具有相同或相似業務特征的能源設備為一個聯合學習區域；

在同一所述聯合學習區域上采用相同模型進行聯合學習；

根據所述聯合學習的結果，輸出所述模型。

在一些實施例中，所述業務數據包括：鍋爐設備的蒸汽流量；所述基于所述業務數據，確定多個具有相同或相似業務特征的能源設備為一個聯合學習區域，包括：根據供給用戶的蒸汽流量的體量大小，確定多個蒸汽流量供給體量大小相似的鍋爐設備為一個設備集合；確定一個中心服務器；根據所述中心服務器和所述設備集合，構建成一個聯合學習區域。

在一些實施例中，所述業務數據包括：鍋爐設備的燃氣流量；所述確定多個具有相同或相似業務特征的能源設備為一個聯合學習區域，包括：根據燃氣流量的大小，確定多個消耗燃氣流量大小相似的鍋爐設備為一個設備集合；確定一個中心服務器；根據所述中心服務器和所述設備集合，構建成一個聯合學習區域。

在一些實施例中，所述在同一所述聯合學習區域上采用相同模型進行聯合學習，具體包括：生成初始的模型；發送所述模型給所述聯合學習區域內各個能源設備，用于指示所述能源設備使用自身的數據對所述模型進行訓練；接收各個所述能源設備對模型結構進行訓練后返回的第一參數；聚合所述第一參數，并使用聚合后的第一參數更新所述模型；發送模型更新后的第二參數給所述聯合學習區域內各個能源設備，用于指示所述能源設備使用所述第二參數對本地的模型進行訓練；返回接收各個所述能源設備對模型結構進行訓練后返回的第一參數。

在一些實施例中，所述返回接收各個所述能源設備對模型結構進行訓練后返回的第一參數之前，具體包括：判斷所述模型是否滿足預設條件；若是，則進入根據所述聯合學習的結果，輸出所述模型；若否，則返回接收各個所述能源設備對模型結構進行訓練后返回的第一參數。

在一些實施例中，聚合所述第一參數，并使用聚合后的第一參數更新所述模型，包括：計算所有能源設備返回的第一參數的加權參數；基于所述加權參數，更新所述模型。

在一些實施例中，所述計算所有能源設備返回的第一參數的加權參數值步驟中，加權參數為