买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网四川省电力公司电力科学研究院;重庆邮电大学申请的专利一种面向新型电力系统数据隐私保护的数据异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119939652B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411977537.3，技术领域涉及：G06F21/62；该发明授权一种面向新型电力系统数据隐私保护的数据异常检测方法及系统是由张泰;唐勇;陈少卿;段洁;刘亮;陈少磊;黄长久;罗东辉;乔云池;蒋容;孟召磊;范曦露;邓龙辉设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种面向新型电力系统数据隐私保护的数据异常检测方法及系统在说明书摘要公布了：本发明属于电力数据处理技术领域，具体涉及一种面向新型电力系统数据隐私保护的数据异常检测方法及系统，包括中央服务器随机初始化模型，终端从中央服务器下载初始化模型作为本地模型；终端根据传感器收集本地数据并进行预处理，根据预处理后的本地数据训练本地模型；终端采用Paillier算法对本地模型参数加密后上传到中央服务器；中央服务器根据接收的各终端加密后的本地模型进行聚合，并将更新后的模型参数下发给各终端；判断重建误差是否收敛，若是，则各终端保存本地模型参数，否则重复上述操作；终端根据异常阈值设置方法对收集的数据进行实时检测；本发明将同态加密机制整合到FL中，解决客户端和服务器之间本地模型参数传输的隐私问题。

本发明授权一种面向新型电力系统数据隐私保护的数据异常检测方法及系统在权利要求书中公布了：1.一种面向新型电力系统数据隐私保护的数据异常检测方法，其特征在于，包括以下步骤： S1.中央服务器随机初始化模型，各终端从中央服务器下载初始化模型作为本地模型，S2.各终端根据自身传感器收集本地数据并进行预处理，然后根据预处理后的本地数据训练本地模型； 中央服务器采用长短期记忆自编码器模型并进行初始化，终端从中央服务器下载初始化后的长短期记忆自编码器模型作为本地模型进行训练，包括： S21.将预处理后的本地数据处理为一系列时间序列[X1,X2,…,XN]，其中Xn＝[x1,x2,…,xT]表示第n个时间序列，xt表示第n个时间序列中第t个时间步的特征，N表示时间序列数量，T表示时间序列长度； S22.将时间序列Xn＝[x1,x2,…,xT]输入LSTM编码器，通过映射得到隐含向量z＝[z1,1,z2,2,…,zT,L]，zt,l表示第t个时间步的隐含向量，其中zt,l＝μt+σt·εlμt、σt表示第t个时间步的映射向量，εl为满足分布假设的第l＝1,2,…,L个分布因子，A为对角矩阵；L为分布因子数量，L＝T；表示多元高斯分布； 对角矩阵A的获取过程包括： 对预处理后的本地数据进行主成分分析得到第一主成分和第二主成分； 对第一主成分进行小波变换，其中采用db4小波，分解层数为4；以每一层的小波细节系数作为一个列向量，构建得到第一小波细节系数矩阵； 对第二主成分进行小波变换，其中采用db4小波，分解层数为4；以每一层的小波细节系数作为一个列向量，构建得到第二小波细节系数矩阵； 针对第一小波细节系数矩阵和第二小波细节系数矩阵，计算每一元素的平均值得到平均矩阵B； 对平均矩阵B进行特征值分解，提取前两个最大的特征值构建对角矩阵A； S23.将隐含向量z＝[z1,1,z2,2,…,zT,L]输入LSTM解码器，得到重构时间序列S24.基于时间序列和重构时间序列，计算散度成本损失并反向传播训练模型参数；其中，散度成本损失的计算公式为其中，cosh·表示双曲余弦函数，DKL·表示近似值与真实后验值的KL散度，LCt表示成本函数，从编码器的角度来看，qφz|xt为LSTM编码器，pθz为LSTM解码器； S25.重复步骤S22‑S24直至模型参数收敛； S3.各终端采用Paillier算法对本地模型参数加密，再将加密后的本地模型参数上传到中央服务器； S4.中央服务器根据接收的各终端加密后的本地模型进行聚合得到聚合模型参数M，并将聚合模型参数M下发给各终端； S5.终端根据聚合模型参数M更新本地模型参数，判断重建误差是否收敛，若是，则终端保存更新后的本地模型参数并进入步骤S6，否则返回步骤S2； S6.终端根据异常阈值设置方法对收集的数据进行实时检测； 步骤S6终端根据异常阈值设置方法对收集的数据进行实时检测包括： S61.终端采集一组实时数据y＝[y1,y2,…,ym]并输入训练好的本地模型，输出一组重构数据其中m表示数据量； S62.计算实时数据的中位数绝对偏差MADm，表示为MADm＝kmedian|yi‑mediany|其中，k表示假定正态分布数据的比例因子，yi表示实时数据y中第i个数据点，median·表示排序取中位数操作； S63.将实时数据中大于中位数绝对偏差MADm的数据点标记为异常点； S64.计算每个异常点的实时数据与其对应重构数据间的重构误差，根据所有重构误差计算均值μ和标准差σ；根据均值μ和标准差σ计算误差阈值τMSD，其表示为τMSD＝μ+p.σ其中，p表示常数； S65.计算实时数据y与重构数据间的均方误差MSE，判断均方误差MSE是否大于误差阈值τMSD，若是，则实时数据出现异常，否则实时数据没有出现异常。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网四川省电力公司电力科学研究院;重庆邮电大学，其通讯地址为：610095 四川省成都市高新区锦晖西二街16号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。