一种基于联合学习的能源生态数据管理方法及系统技术方案

技术编号:33093350 阅读:10 留言:0更新日期:2022-04-16 23:23
本发明专利技术适用于云计算技术领域,提供了一种基于联合学习的能源生态数据管理方法及系统,方法包括:S1、获取目标数据,其中所述目标数据为非共享数据;S2、将所述目标数据进行本地目标模型训练,以得到至少一个类别的目标模型;S3、根据所述目标模型,建立联合学习全局模型;S4、将所述联合学习全局模型上传至需求设备。本发明专利技术以联合学习的方式,产生一系列联合学习的全局模型并沉淀在云端,以统一的标准接口方式,提供给清洁能源生态圈的用户,实现能源数据共享,有利于实现资源的优化配置,打造良性发展的能源生态圈。发展的能源生态圈。发展的能源生态圈。

【技术实现步骤摘要】
一种基于联合学习的能源生态数据管理方法及系统


[0001]本专利技术属于云计算
,尤其涉及一种基于联合学习的能源生态数据管理方法及系统。

技术介绍

[0002]清洁能源技术是指在可再生能源及新能源、煤的清洁高效利用等领域开发的有效控制温室气体排放的新技术。清洁能源生态圈的企业单位,根据行业不同分为很多类型,比如用能客户,包括化工、食品、纺织、交通;也可以是供能用户,比如综合站、光伏站、供热站;还可以是管网用户,比如配电网、燃气管网、热网。对这些企业的能源数据进行智能化管理,实现资源的优化配置,打造良性发展的能源生态圈,是目前云计算领域一个重要课题。
[0003]但是,作为企业级物联数据,除了有各种能源设备的运行数据之外,还会有用户的负荷数据、企业经营数据、能源价格数据以及第三方数据等。每一类数据都是具有极强的隐私性,因此用户都不愿意将数据随意共享,这就有了联合学习的应用诉求。但是,目前还没有一种基于联合学习的能源生态服务方案。

技术实现思路

[0004]有鉴于此,本专利技术实施例提供了一种基于联合学习的能源生态数据管理方法及系统,以解决现有技术中能源企业的设备运行数据具有极强的隐私性,用户都不愿意将数据随意共享,不利于能源生态圈良性发展的问题。
[0005]本专利技术实施例的第一方面提供了一种基于联合学习的能源生态数据管理方法,包括:
[0006]S1、获取非共享本地数据;
[0007]S2、确定所述非共享本地数据所对应的本地设备属性;
[0008]S3、根据所述本地设备属性,利用所述非共享本地数据进行联合学习模型训练;
[0009]S4、根据所述联合学习模型训练结果,建立联合学习全局模型;
[0010]S5、将所述联合学习全局模型上传至需求设备。
[0011]进一步的,所述获取非共享本地数据之前,还建立包括非共享本地数据与本地设备属性之间映射关系的数据库;所述获取非共享本地数据通过本地设备上的传感器获取,实时获取所述非共享本地数据后,通过与所述数据库匹配得到本地设备属性。
[0012]进一步的,所述根据所述本地设备属性,利用所述非共享本地数据进行联合学习模型训练,包括:
[0013]根据所述本地设备属性,对所述非共享本地数据进行分类;
[0014]根据所述分类进行联合学习模型训练,以得到至少一个类别的本地联合学习模型训练结果。
[0015]进一步的,所述根据所述联合学习模型训练结果,建立联合学习全局模型,具体为:根据所述联合学习模型训练结果,在云端通过联合学习引擎框架,将本地模型中的参数
进行平均或者加权平均,建立联合学习全局模型。
[0016]进一步的,将所述联合学习全局模型上传至需求设备后,还包括:联合学习全局模型中随着新用户数据不断加入更新,将更新的用户数据进行本地目标模型训练,同时训练后的新的本地模型的参数再进行平均或者加权平均,不断迭代建立新的联合学习全局模型,最后联合学习全局模型沉淀在云端后上传至需求设备。
[0017]本专利技术实施例的第二方面提供了一种基于联合学习的能源生态数据管理系统,包括:
[0018]本地设备属性获取模块,用于获取非共享本地数据,同时确定所述非共享本地数据所对应的本地设备属性;
[0019]本地模型训练模块,用于根据所述本地设备属性,利用所述非共享本地数据进行联合学习模型训练;
[0020]全局模型建立模块,用于根据所述联合学习模型训练结果,建立联合学习全局模型;
[0021]全局模型上传模块,用于将所述联合学习全局模型上传至需求设备。
[0022]进一步的,所述本地设备属性获取模块获取非共享本地数据之前,还建立包括非共享本地数据与本地设备属性之间映射关系的数据库;所述获取非共享本地数据通过本地设备上的传感器获取,实时获取所述非共享本地数据后,通过与所述数据库匹配得到本地设备属性。
[0023]进一步的,所述全局模型建立模块根据所述联合学习模型训练结果,建立联合学习全局模型,具体为:根据所述联合学习模型训练结果,在云端通过联合学习引擎框架,将本地模型中的参数进行平均或者加权平均,建立联合学习全局模型。
[0024]本专利技术实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述基于联合学习的能源生态数据管理方法的步骤。
[0025]本专利技术实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述基于联合学习的能源生态数据管理方法的步骤。
[0026]本专利技术实施例与现有技术相比存在的有益效果是:
[0027]本专利技术以联合学习的方式,每个用户自己在本地进行模型训练,将模型参数上传至云端进行联合训练,进而产生一系列联合学习的全局模型。随着这些联合训练全局模型不断增多,逐步将模型沉淀在云端,以统一的标准接口方式,提供给清洁能源生态圈的用户,实现能源数据共享,有利于实现资源的优化配置,打造良性发展的能源生态圈。
附图说明
[0028]为了更清楚地说明本专利技术实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
[0029]图1是本专利技术实施例提供的基于联合学习的能源生态数据管理系统具体架构图;
[0030]图2是本专利技术实施例提供的系统原理架构图;
[0031]图3是本专利技术实施例提供的方法流程图;
[0032]图4是本专利技术实施例提供的联合学习应用的示例图;
[0033]图5是本专利技术实施例提供的终端设备的示意图。
具体实施方式
[0034]以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本专利技术实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本专利技术的描述。
[0035]为了说明本专利技术所述的技术方案,下面通过具体实施例来进行说明。
[0036]实施例1
[0037]如图1、3、4所示,本实施例提供了一种基于联合学习的能源生态数据管理方法,包括:
[0038]S1、获取非共享本地数据,这些非共享本地数据为能源生态类数据,主要通过设备(比如空调设备、照明设备、空压机)上的各类传感器获取,至少包括:设备运行数据、用户负荷数据、企业经营数据、能源价格数据、第三方
[0039]外部数据;如图4所示,其中:
[0040]设备运行数据包括设备属性数据、设备运行数据(设备能效曲线、开关机状态、流量、温度等)、设备故障维修(包括故障报本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于联合学习的能源生态数据管理方法,其特征在于,包括:S1、获取非共享本地数据;S2、确定所述非共享本地数据所对应的本地设备属性;S3、根据所述本地设备属性,利用所述非共享本地数据进行联合学习模型训练;S4、根据所述联合学习模型训练结果,建立联合学习全局模型;S5、将所述联合学习全局模型上传至需求设备。2.如权利要求1所述的一种基于联合学习的能源生态数据管理方法,其特征在于,所述获取非共享本地数据之前,还建立包括非共享本地数据与本地设备属性之间映射关系的数据库;所述获取非共享本地数据通过本地设备上的传感器获取,实时获取所述非共享本地数据后,通过与所述数据库匹配得到本地设备属性。3.如权利要求1所述的一种基于联合学习的能源生态数据管理方法,其特征在于,所述根据所述本地设备属性,利用所述非共享本地数据进行联合学习模型训练,包括:根据所述本地设备属性,对所述非共享本地数据进行分类;根据所述分类进行联合学习模型训练,以得到至少一个类别的本地联合学习模型训练结果。4.如权利要求1所述的一种基于联合学习的能源生态数据管理方法,其特征在于,所述根据所述联合学习模型训练结果,建立联合学习全局模型,具体为:根据所述联合学习模型训练结果,在云端通过联合学习引擎框架,将本地模型中的参数进行平均或者加权平均,建立联合学习全局模型。5.如权利要求1所述的一种基于联合学习的能源生态数据管理方法,其特征在于,将所述联合学习全局模型上传至需求设备后,还包括:联合学习全局模型中随着新用户数据不断加入更新,将更新的用户数据进行本地目标模型训练,同时训练后的新的本地模型的参数再进行平均或者加权平均,不断迭代建立新的联合学习全局模...

【专利技术属性】
技术研发人员:张敏高庆
申请(专利权)人:新智数字科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1