[發明專利]基于聯邦學習的智能電網設備異常檢測方法和系統

在審

• 申請號: 202110444328.2
• 申請日: 2021-04-23
• 公開（公告）號: CN113139600A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 林培斌;戚遠航;劉毅
• 申請（專利權）人: 廣東安恒電力科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 廣州國鵬知識產權代理事務所(普通合伙) 44511
• 代理人: 葛紅

本發明提出了一種基于聯邦學習的智能電網設備異常檢測方法和系統，方法包括以下步驟：每個智能電網設備建立自身的本地數據集；每個所述智能電網設備對所述本地數據集執行本地模型訓練；每個所述智能電網設備在進行所述本地模型訓練后，計算自身的模型更新并將所述自身的模型更新上傳至服務器；所述服務器對接收到的所述模型更新執行聚合操作得到新的全局模型，并將所述新的全局模型發送到每個所述智能電網設備；循環執行以上步驟，直到全局模型達到最佳收斂，并以該全局模型作為最佳全局模型，每個所述智能電網設備使用所述最佳全局模型執行異常檢測任務。根據本發明實施例的方法，能夠檢測出多個智能電網設備中出現異常的智能電網設備。

技術領域

本發明屬于智能電網設備技術領域，具體涉及一種基于聯邦學習的智能電網設備異常檢測方法和系統。

背景技術

智能電網設備在日常生活中的部署越來越多。然而，由于其不安全的設計、實施和配置，這些設備中都容易受到攻擊。結果，許多智能電網設備都遭受到了攻擊而產生異常、甚至無法正常工作。這導致了新一類專門針對攻擊智能電網設備的惡意軟件和惡意程序。但是，鑒于涉及的不同類型的設備和制造商的數量龐大，現有的入侵檢測技術無法有效地檢測出受損的智能電網設備。

發明內容

本申請的一個目的是提供一種基于聯邦學習的智能電網設備異常檢測方法和系統的新技術方案，能夠實現有效地檢測出受損的智能電網設備。

本發明的第一方面，提供了一種基于聯邦學習的智能電網設備異常檢測方法，包括以下步驟：每個智能電網設備建立自身的本地數據集；每個所述智能電網設備對所述本地數據集執行本地模型訓練；每個所述智能電網設備在進行所述本地模型訓練后，計算自身的模型更新并將所述自身的模型更新上傳至服務器；所述服務器對接收到的所述模型更新執行聚合操作得到新的全局模型，并將所述新的全局模型發送到每個所述智能電網設備；循環執行以上步驟，直到全局模型達到最佳收斂，并以該全局模型作為最佳全局模型，每個所述智能電網設備使用所述最佳全局模型執行異常檢測任務。

根據本發明實施例的基于聯邦學習的智能電網設備異常檢測方法通過多個步驟相配合，能夠實現對于受損的智能電網設備的有效檢測。

可選地，每個所述智能電網設備收集自身的傳感時間序列數據作為所述本地數據集。

可選地，通過所述服務器的云聚合器對接收到的所述模型更新執行聚合操作得到新的全局模型。

可選地，所述服務器根據每個所述智能電網設備的模型更新按照預設聚類方法分成若干個簇類，所述云聚合器通過聚合每個簇類中的所述智能電網設備上傳的模型更新來獲得所述新的全局模型。

可選地，所述預設聚類方法包括：采用預設算法找出與某一個設備i相似度超過閾值α最多的設備數；將這些設備劃分為一個簇類中。

可選地，所述預設算法為貪心算法。

可選地，所述預設聚類方法還包括：將所述設備i與其他設備進行余弦相似度判斷，并將大于閾值的設備歸為一個簇類中。

可選地，所述本地模型為深度異常檢測模型。

可選地，所述深度異常檢測模型包括：輸入層，所述輸入層用于輸入數據；基于注意力機制的卷積神經網絡單元，所述的基于注意力機制的卷積神經網絡單元能夠捕獲所述輸入層輸入的數據的細粒度特征；長短期記憶網絡單元，將所述基于注意力機制的卷積神經網絡單元的輸出作為所述長短期記憶網絡單元的輸入，所述長短期記憶網絡單元能夠預測未來的時間序列數據以及檢測異常；輸出層，所述輸出層與所述長短期記憶網絡單元連接，以輸出異常檢測結果。