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！

龙图腾网获悉北京理工大学申请的专利一种基于联邦学习与能源互联网的信息推荐方法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：CN115374356B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202211004889.1，技术领域涉及：G06F16/9535；该发明授权一种基于联邦学习与能源互联网的信息推荐方法是由沈俊;高新强;李振兴;徐田园;王浩设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本一种基于联邦学习与能源互联网的信息推荐方法在说明书摘要公布了：本发明提供一种基于联邦学习与能源互联网的信息推荐方法，包括：本地工作平台获取本地特征数据集；本地工作平台采用横向联邦学习算法对本地特征数据集进行联邦训练，得到横向联邦推荐模型与本地训练模型参数；本地工作平台、服务器、本地能源供给方客户端、本地能源需求方客户端更新本地训练模型参数；横向联邦推荐模型按照个性化要求，将本地能源供给方客户端的需求信息或者本地能源需求方客户端的需求信息对应推送至本地能源需求方客户端或者本地能源供给方客户端。本发明所述基于联邦学习与能源互联网的信息推荐方法具有个性化、隐私性强、过程简单、预测准确等特征，可广泛应用于互联网信息推荐领域。

本发明授权一种基于联邦学习与能源互联网的信息推荐方法在权利要求书中公布了：1.一种基于联邦学习与能源互联网的信息推荐方法，其特征在于，所述信息推荐方法包括如下步骤： 步骤1、本地工作平台将采集的本地能源供给方特征数据集、本地能源需求方特征数据集构成本地特征数据集；其中，本地能源供给方的数量为一个以上，本地能源需求方的数量也为一个以上；具体包括如下步骤： 步骤11、本地工作平台分别对每个能源供给方与每个能源需求方进行关联性分析，确定各个供给需求群，并确定每个供给需求群中的本地能源供给方、本地能源需求方；本地能源供给方与本地能源需求方是相对应的；其中，所述供给需求群的数量为一个以上； 步骤12、本地工作平台进一步对每个供给需求群中的所有本地能源供给方与所有本地能源需求方进行关联性分析，获得各本地能源供给方特征信息、各本地能源需求方特征信息； 步骤13、对于每个供给需求群，本地工作平台采集各本地能源供给方特征信息、各本地能源需求方特征信息对应的数据，构成各本地能源供给方特征数据集、各本地能源需求方特征数据集； 步骤14、对各本地能源供给方特征数据集、各本地能源需求方特征数据集进行对齐归一化处理，并将对应得到的能源供给方特征向量、能源需求方特征向量作为本地样本训练集； 步骤2、本地工作平台采用横向联邦学习算法对本地特征数据集进行联邦训练，得到横向联邦推荐模型与本地训练模型参数，本地工作平台更新自身的本地训练参数；本地工作平台还将本地训练模型参数发送至本地能源供给方客户端、本地能源需求方客户端、服务器；服务器、本地能源供给方客户端、本地能源需求方客户端更新本地训练模型参数；具体包括如下步骤： 步骤21、本地工作平台采用横向联邦学习算法对本地训练样本集进行联邦训练； 步骤22、横向联邦学习算法计算各本地能源需求方客户端的能源需求预测值、能源损失函数值、各本地能源供给方特征信息梯度；同时，生成本地训练模型参数；本地工作平台更新本地训练模型参数，并将本地训练模型参数发送至服务器、本地能源供给方客户端、本地能源需求方客户端； 步骤23、服务器判定横向联邦学习算法是否收敛：如果收敛，则将该横向联邦学习算法作为横向联邦推荐模型，并执行步骤24；如果不收敛，则返回步骤21，直至收敛； 步骤24，服务器、各本地能源供给方客户端、各本地能源需求方客户端更新本地训练模型参数； 步骤3、横向联邦推荐模型按照本地能源供给方客户端的个性化要求或者本地能源需求方客户端的个性化要求，将本地能源供给方客户端的需求信息或者本地能源需求方客户端的需求信息对应推送至本地能源需求方客户端或者本地能源供给方客户端；具体包括如下步骤： 步骤31、横向联邦推荐模型获取对应供给需求群中的各本地能源供给方需求列表、各本地能源需求方需求列表，并获取各本地能源供给方需求列表中的当前供给方需求特征数据、各本地能源需求方需求列表中的当前需求方需求特征数据； 步骤32、横向联邦推荐模型对各本地能源供给方的当前供给方需求或者各本地能源需求方的当前需求进行预测，并进行处理：按照从大到小的排列方式，对于每个本地能源需求方的当前供给方需求的所有预测值对应进行排序；按照从大到小的排列方式，对于每个本地能源供给方的当前需求方需求的所有预测值对应进行排序； 步骤33、横向联邦推荐模型获取各本地能源供给方客户端的个性化要求或者各本地能源需求方客户端的个性化要求； 步骤34、横向联邦推荐模型按照各本地能源供给方客户端的个性化要求，将每个本地能源供给方的当前供给方需求的最大预测值对应的信息个性化地推荐至对应供给需求群的各本地能源需求方客户端；横向联邦推荐模型按照各本地能源需求方客户端的个性化要求，将每个本地能源需求方的当前需求方需求的最大预测值对应的信息个性化地发送至对应供给需求群的各本地能源供给方客户端。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。