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！

龙图腾网获悉武汉大学申请的专利一种用电数据分层联邦学习方法、装置、设备及存储介质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：CN119443307B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411427613.3，技术领域涉及：G06N20/00；该发明授权一种用电数据分层联邦学习方法、装置、设备及存储介质是由程昱;刘林彬;李俊娥;段辰敏;赵思宇设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种用电数据分层联邦学习方法、装置、设备及存储介质在说明书摘要公布了：本发明提供一种用电数据分层联邦学习方法、装置、设备及存储介质，其中，该用电数据分层联邦学习方法包括：参与者获取初始模型参数，并基于所述初始模型参数开始训练；所述家庭能源管理系统采集实时用电数据，并基于所述实时用电数据进行本地训练，更新所述家庭能源管理系统的本地模型参数，并将所述本地模型参数提交至对应区域的所述负荷集成商；所述负荷集成商基于所述本地模型参数和当前的全局模型参数进行异步的局部聚合，得到局部聚合参数，将所述局部聚合参数下发至对应区域的家庭能源管理系统。通过本发明，降低了懒惰客户端的数量，提高了联邦学习的整体效率，解决了现有的相关技术中存在的参与者积极性不佳的问题。

本发明授权一种用电数据分层联邦学习方法、装置、设备及存储介质在权利要求书中公布了：1.一种用电数据分层联邦学习方法，其特征在于，包括： 参与者获取初始模型参数，并基于所述初始模型参数开始训练；所述参与者包括家庭能源管理系统和负荷集成商； 所述家庭能源管理系统采集实时用电数据，并基于所述实时用电数据进行本地训练，更新所述家庭能源管理系统的本地模型参数，并将所述本地模型参数提交至对应区域的所述负荷集成商； 所述负荷集成商基于所述本地模型参数和当前的全局模型参数进行异步的局部聚合，得到局部聚合参数，将所述局部聚合参数下发至对应区域的家庭能源管理系统，并上传至区块链； 配电系统运营商基于所述局部聚合参数进行全局聚合，得到全局聚合参数，并基于当前的所述全局聚合参数，为所述参与者发放奖励； 所述负荷集成商基于当前的所述全局聚合参数进行参数更新； 基于当前的所述全局聚合参数，为所述参与者发放奖励，包括： 基于当前的所述全局聚合参数以及所述参与者的训练效果与训练成本，对所述参与者的贡献度进行评估，并依据评估结果确定参与奖励分配的参与者集合； 建立主从博弈模型，并基于所述主从博弈模型确定每个所述参与者效用最大时的最佳奖励系数； 结合所述最佳奖励系数，为所述参与者集合中的每个所述参与者进行奖励分配； 建立主从博弈模型，并基于所述主从博弈模型确定每个所述参与者效用最大时的最佳奖励系数，包括： 建立主从博弈模型；在所述主从博弈模型中，所述配电系统运营商作为奖励预算分配者，所述负荷集成商作为领导者，所述家庭能源管理系统作为追随者； 确定所述家庭能源管理系统和所述负荷集成商的训练成本；所述训练成本包括用于本地训练的能量消耗和用于模型参数传输的通信成本； 基于所述本地模型参数与所述全局模型参数的偏差，设定估值函数； 基于所述估值函数确定所述家庭能源管理系统和所述负荷集成商的效用函数； 基于所述主从博弈模型，制定所述家庭能源管理系统和所述负荷集成商的博弈策略，并最大化所述家庭能源管理系统和所述负荷集成商的效用函数； 设定奖励系数的初始值，并基于所述训练成本和所述估值函数调整更新所述奖励系数，直至所述训练成本和所述估值函数满足预设的终止条件，将当前的所述奖励系数作为所述最佳奖励系数。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。

以上内容由龙图腾AI智能生成。