[发明专利]一种区域联合学习方法、装置、终端设备及存储介质

权利要求书

1.一种区域联合学习方法，其特征在于，包括：

获取在不同泛能站中同一类型/型号能源设备的用户特征；

根据所述用户特征确定至少一个联合学习区域，所述联合学习区域包括至少一个中心服务器和多个分别与所述中心服务器网络连接的同一类型/型号的能源设备；

在每个联合学习区域上采用相同的模型结构进行联合学习。

2.根据权利要求1所述的方法，其特征在于：

所述用户特征包括用户供给体量；

那么，根据所述用户特征确定至少一个联合学习区域，具体包括：

基于所述用户供给体量，确定不同用户在供应时间与供应体量上的关系曲线；

选择所述关系曲线相同或相似的用户所对应的能源设备，建立为一个联合学习区域。

3.根据权利要求2所述的方法，其特征在于，所述建立为一个联合学习区域，具体包括：

确定一个中心服务器；

通过网络配置使所述中心服务器分别连接于关系曲线相同或相似的用户所对应的能源设备。

4.根据权利要求1所述的方法，其特征在于：

所述用户特征包括用户类型；

那么，根据所述用户特征确定至少一个联合学习区域，具体包括：

对所有同一类型/型号能源设备的用户进行分类；

根据所述分类的结果选择相同分类的用户所对应的能源设备，建立为一个联合学习区域。

5.根据权利要求4所述的方法，其特征在于，建立一个联合学习区域的方法，包括：

确定一个中心服务器；

通过网络配置使所述中心服务器分别连接于相同分类的用户所对应的能源设备。

6.根据权利要求3或5所述的方法，其特征在于，在每个联合学习区域上采用相同的模型结构进行联合学习之前，还包括：

当建立有多个联合学习区域时，判断是否有不同联合学习区域所采用的模型结构为相同的；

若有，则随机指定各个不同联合学习区域的中心服务器中的其中一个为全局中心服务器；

若无，则进入在每个联合学习区域上采用相同的模型结构进行联合学习。

7.根据权利要求1-6任一所述的方法，其特征在于，在每个联合学习区域上采用相同的模型结构进行联合学习，具体包括：

由中心服务器生成初始的模型结构；

发送所述模型结构给所述联合学习区域内各个能源设备，用于指示所述能源设备使用自身的数据对所述模型结构进行训练；

接收各个所述能源设备对模型结构进行训练后返回的参数和梯度数据；

聚合所述参数和梯度数据，并使用聚合后的参数和梯度数据更新所述模型结构；

发送模型结构更新后的参数和梯度数据给所述联合学习区域内各个能源设备，用于指示所述能源设备使用所述参数和梯度数据对本地的模型结构进行训练；

重复上述接收参数和梯度数据至发送更新后的参数和梯度数据的步骤，直至重复到达设定的循环次数，或所述模型结构的精度到达预设需求。

8.一种区域联合学习装置，其特征在于，所述装置包括：

数据获取模块，被配置为获取在不同泛能站中同一类型/型号能源设备的用户特征；

联合区域构建模块，被配置为根据所述用户特征确定至少一个联合学习区域，所述联合学习区域包括至少一个中心服务器和多个分别与所述中心服务器网络连接的同一类型/型号的能源设备；

联合学习模块，被配置为在每个联合学习区域上采用相同的模型结构进行联合学习。

9.一种终端设备，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。