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！

申请/专利权人：中南大学

摘要：本发明涉及能源优化管理技术领域，具体公开了一种应用于智能微电网的能源优化管理方法，通过在本地设备的本地训练期间建立并运行计算任务分配方法，针对微电网中的异构设备实现了基于实时的动态资源调节，使各设备的运算处理时间趋于一致，平衡各设备之间的计算负荷，通过该种方式来缩短整体设备的计算时间，缩短微电网的整体响应时间，提高能源管理计算效率，解决了传统的应用有联邦学习架构的智能微电网管理系统中，智能微电网中因不同设备之间的异构差异，而导致智能微电网在全局响应过程中设备间响应速度不一致的问题。

主权项：1.一种应用于智能微电网的能源优化管理方法，包括如下步骤：步骤A1：各设备收集本地的能源使用数据并进行本地模型训练；步骤A2：由本地模型预测所属家庭的能源需求，并定期发送至中央服务器进行聚合，获得并更新全局模型；步骤A3：将更新后的全局模型下放至各设备并更新本地模型，再由本地模型构建能源优化模型，并输出能源优化分配方案至中央服务器；步骤A4：中央服务器根据最优能源分配方案更新能源流量管理策略，并依据能源流量管理策略实行微电网中的能源分配；其特征在于：在实施步骤A1至A4过程中，微电网中的设备还搭载有按如下步骤进行的计算任务分配方法：步骤S1：进行设备分类，按设备类型不同划分为不同的设备类型集合并划分为不同设备簇，将每种设备类型集合内的设备按设备计算能力划分有三种性能类别：弱设备、中设备和强设备，并分别建立有属于同一设备簇内的弱设备集合、中设备集合和强设备集合；步骤S2：将每个设备的数据进行分解，获得每层神经网络的输出特征图的数据量，根据数据量计算得出每层神经网络的通信代价；步骤S3：进行正常代价通信层和高代价通信层识别划分；在步骤S3中，以通信代价的偏度和峰度为基准，基于通信代价的偏度和峰度设立阈值来进行正常代价通信层和高代价通信层之间的区分；在步骤S3中，还建立有基于通信代价的偏度、峰度和阈值确定所计算层升降网络的通信代价是否超过了阈值的多参数函数，并将超过了阈值的神经网络层集合在高代价通信层集合中；步骤S4：根据正常代价通信层和高代价通信层的相对比值确定神经网络中最佳的任务卸载点位；步骤S4的实施具体包括如下步骤：步骤S401：计算属于高代价通信层的每一层神经网络的复合信息熵；步骤S402：基于计算得出的复合信息熵确定最佳任务卸载点位的选择基准，并选择出最佳任务卸载点位；在步骤S402中，基于计算得出的复合信息熵Hl建立有多维度评价函数Ωl作为最佳任务卸载点位的选择基准，多维度评价函数Ωl的表达式如下： ，式中，σT是Tl的标准差，用于归一化，Hl和Hj分别表示第l层和第j层神经网络的复合信息熵，Λ表示高代价通信层的神经网络层的集合；Tl表示每一层神经网络的总体特征，由复合信息熵和其一阶导数计算得出，表达式如下： ；并以最大化多维度评价函数选择最佳的任务卸载点位，最大化多维度评价函数表达式如下： ；式中，Λ表示高代价通信层的神经网络层的集合；步骤S5：基于每个设备的最佳任务卸载点位进行属于同一设备类型簇的强设备、弱设备之间的任务卸载与任务再分配，使强设备和弱设备的计算时间趋近于中设备的计算时间并达到负载平衡；在步骤S5中，在进行簇内设备的簇间卸载过程中，为确保任务的完全卸载引入有三条约束条件，包括：约束条件一：确保每个弱设备的任务量必须完全分配到强设备上，约束函数一的表达式为；式中，S表示强设备集合，xij表示从弱设备wi到强设备si的分配任务量，Pi表示弱设备wi需要卸载的参数量；约束条件二：确保分配给每个强设备的任务总量不得超过其处理能力，约束函数二的表达式为，式中，W表示弱设备集合，cj表示强设备sj的处理能力，约束条件三：确保分配的任务量不可为负数，并确保所有任务量都被正面处理，约束函数三的表达式为；步骤S5的实施包括如下步骤：步骤S501：量化并计算最佳任务分配点位的参数卸载量；步骤S502：基于各设备的参数卸载量、各设备的可容纳参数量以及针对于强设备的最大负载量进行设备簇的簇间配对，匹配相互卸载任务与接收任务的弱设备和强设备。

全文数据：

权利要求：

百度查询： 中南大学 一种应用于智能微电网的能源优化管理方法