【技术实现步骤摘要】
本专利技术属于窃电检测领域，具体涉及一种基于去中心化联邦学习和剪枝的窃电检测方法及装置。
技术介绍
1、随着智能电网的快速发展，窃电行为对电力系统的稳定运行造成了严重影响。近年来，有关窃电检测的研究越来越多，多种机器学习算法被用于窃电检测。机器学习方法利用大量现有数据训练网络模型，以提升检测效率。然而，传统机器学习方法在提升窃电检测效能的同时，并未充分考虑到用户隐私的保护。
2、因此，许多研究将联邦学习框架应用于窃电检测，在传统集中式联邦学习中，中央服务器与各个边缘智能设备协作训练神经网络模型，最终在中央服务器上聚合各网络模型，以更新全局模型。
3、但是这种方式，中央服务器与各边缘智能设备的高通信量限制了联邦学习框架的拓展性，中央服务器故障将导致整个训练过程的中断；除此之外，传统方法未考虑中央服务器的信任问题，将模型信息全部发送给可能不完全可靠的中央服务器，这可能引发用户隐私的潜在风险；同时，传统方法需要对模型参数进行大量的数据计算，效率低下、浪费资源。
技术实现思路
<...【技术保护点】
1.一种基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：所述基于去中心化联邦学习和剪枝的窃电检测方法包括：
2.如权利要求1所述的基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：各供电站训练窃电检测模型过程中，窃电检测模型的参数的更新公式如下：
3.如权利要求1所述的基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：所述对当前供电站训练好的窃电检测模型压缩比例进行计算，计算公式如下：
4.如权利要求1所述的基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：所述对当前供电站训练好的窃电检测模型按照预设规则进行通道剪
<...【技术特征摘要】
1.一种基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：所述基于去中心化联邦学习和剪枝的窃电检测方法包括：
2.如权利要求1所述的基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：各供电站训练窃电检测模型过程中，窃电检测模型的参数的更新公式如下：
3.如权利要求1所述的基于去中心化联邦学习和剪枝的窃电检测方法，其特征在于：所述对当前供电站训练好的窃电检测模型压缩比例进行计算，计算公...
【专利技术属性】
技术研发人员：郭方洪，李生炜，杨淏，董晨，吴祥，董辉，张文安，
申请(专利权)人：浙江工业大学，
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。