【技术实现步骤摘要】
基于联邦学习的电力数据异常检测模型的训练方法和装置
[0001]本申请涉及计算机
，特别是涉及一种基于联邦学习的电力数据异常检测模型的训练方法和装置。
技术介绍
[0002]随着计算机技术的发展，出现了人工智能技术，传统人工智能技术的监控应用在传统电力系统正在逐步转型为以新能源为主体的新型电力系统越来越困难，尤其在网络结构、接入方式、接入主体、设备类型、数据交互方式等方面都发生了较大变化，网络更加开放，为电力系统增加了更多的攻击面，使其面临着越来越多网络攻击的威胁的情况下，传统的人工智能技术的局限性凸显得明显。
[0003]传统的检测方式是将所有数据上传到数据中心进行集中处理得到异常数据检测模型，进而根据该模型判定原始电力数据是否遭到篡改，对于所有数据上传到数据中心需要固定的接口。然而，由于新型电力系统在传统调度数据网、综合业务网、专线接入基础上，增加了互联网以及4G、5G等无线接入的方式，传统专网接入的模式被打破，导致原始数据传输过程中的安全性不足。
技术实现思路
[0004]基于此，有必要针...
【技术保护点】
【技术特征摘要】
1.一种基于联邦学习的电力数据异常检测模型的训练方法，其特征在于，所述方法包括：获取电力系统对应的当前训练用电力数据；所述当前训练用电力数据通过电力集中器对应的至少一个电力计量终端采集得到的；所述电力系统包括至少一个客户端聚类，所述客户端聚类包括至少一个所述电力集中器；基于同一个所述电力集中器，根据所述当前训练用电力数据对所述电力集中器对应的未训练局部数据异常检测模型进行训练，得到所述电力集中器对应的已训练局部数据异常检测模型；基于同一个所述客户端聚类，将各所述已训练局部数据异常检测模型进行聚合，得到所述客户端聚类对应的未训练全局数据异常检测模型，并将所述未训练全局数据异常检测模型回传至所述客户端聚类对应的各所述电力集中器；获取电力系统对应的下一个训练用电力数据，根据所述下一个训练用电力数据对所述客户端聚类对应的未训练全局数据异常检测模型进行训练，得到所述客户端聚类对应的已训练全局数据异常检测模型；在所述已训练全局数据异常检测模型未满足预设的条件的情况下，返回执行所述获取电力系统对应的当前训练用电力数据，直到所述已训练全局数据异常检测模型满足所述预设的条件；其中，各所述客户端聚类构成所述电力系统对应的电力数据异常检测模型。2.根据权利要求1所述的方法，其特征在于，所述将各所述已训练局部数据异常检测模型进行聚合，得到所述客户端聚类对应的未训练全局数据异常检测模型，包括：基于同一个所述客户端聚类，根据所述客户端聚类中各所述电力集中器分别对各所述已训练局部数据异常检测模型进行加权处理，得到各已加权异常检测模型；对各所述已加权异常检测模型进行聚合，得到所述客户端聚类对应的未训练全局数据异常检测模型。3.根据权利要求2所述的方法，其特征在于，所述对各所述已加权异常检测模型进行聚合，得到所述客户端聚类对应的未训练全局数据异常检测模型，包括：提取各所述加权异常检测模型分别对应的模型参数，得到局部数据异常检测模型参数集合；根据所述局部数据异常检测模型参数集合对各所述已加权异常检测模型进行聚合，得到所述未训练全局数据异常检测模型。4.根据权利要求2所述的方法，其特征在于，所述未训练全局数据异常检测模型的生成式，包括：其中，θ为所述未训练全局数据异常检测模型，Δθ为所述更新梯度，t为循环次数，D为所述电力集中器对应的训练用电力数据。5.根据权利要求1至4任意一项所述的方法，其特征在于，在所述获取电力系统对应的当前训练用电力数据步骤之前，还包括：将所述电力系统中的各电力计量终端按照预设的属性进行划分，得到至少一个电力计量终端集合；各所述电力计量终端集合分别对应各所述客户端聚类；各所述客户端聚类分
别具有不同的数据分布；将各初始局部数据异常检测模型对应下发至各所述客户端聚类中的各所述电力集中器，得到各所述电力集中器分别对应的所述未训练局部数据异常检测模型；各所述电力集中器包括各所述未训练局部数据异常检测模型对应的训练目标。6.一种基于联邦学习的电力数据篡改行为的检测方法，其特征在于，所述方法包括：获取电力系统对应的电力数据异常检测模型，并将所述电力数据异常检测模型发送至各客户端聚类中的各电力集中器；所述电力数据异常检测模型为根据如权利要求1至5中任一项所述一种基于联邦学习的电力数据异常检测模型的训练方法训练得到的；获取所述电力系统对应的电力系统运行数据，...
【专利技术属性】
技术研发人员：赖宇阳，张佳发，王依云，张丽娟，肖焯，黄宝鑫，吴昊，谭洪华，母天石，李慧娟，许露珉，邓建锋，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：
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。