[发明专利]电力数据预测模型构建方法、装置、设备、介质及程序

权利要求书

1.一种电力数据预测模型构建方法，其特征在于，包括：

将上一迭代轮次得到的全局模型发送至各区块链节点；其中，所述全局模型用于进行电力数据预测；在首轮迭代的情况下，根据全局电力数据样本训练深度神经网络模型，得到初始全局模型并发送至各区块链节点；

接收各区块链节点返回的局部模型；其中，所述局部模型是各区块链节点根据本地的电力数据样本训练所述上一迭代轮次得到的全局模型得到的；

对所述各区块链节点返回的局部模型进行聚合，得到当前迭代轮次的全局模型；

在所述当前迭代轮次的全局模型满足预设迭代停止条件的情况下，将所述当前迭代轮次的全局模型作为电力数据预测模型。

2.根据权利要求1所述的电力数据预测模型构建方法，其特征在于，所述将上一迭代轮次得到的全局模型发送至各区块链节点之前，方法还包括：

将待处理的电力数据样本聚类为t簇；其中，所述t为预设的整数；

对于第i簇电力数据样本，判断其中正常电力数据样本的比例；其中，1≤i≤t，i为整数；

在所述比例大于第一预设阈值且小于1的情况下，对所述第i簇电力数据样本中的异常电力数据样本进行扩充；

将所述扩充异常电力数据样本后的所述第i簇电力数据样本作为所述本地的电力数据样本和/或所述全局电力数据样本的一部分。

3.根据权利要求2所述的电力数据预测模型构建方法，其特征在于，在所述比例大于第一预设阈值且小于1的情况下，对所述第i簇电力数据样本中的异常电力数据样本进行扩充，包括：

对所述第i簇电力数据样本中的所有电力数据样本进行归一化；

根据归一化后的第i簇电力数据样本中的所有异常电力数据样本，确定所述第i簇电力数据样本中的所有异常电力数据样本的簇心；

根据所述第i簇电力数据样本中的异常电力数据样本，以及所述第i簇电力数据样本中的所有异常电力数据样本的簇心，生成所述第i簇电力数据样本的新增异常电力数据样本；

在加入所述新增异常电力数据样本后，所述第i簇电力数据样本正常电力样本数据的比例仍大于所述第一预设阈值且小于的情况下，迭代执行生成所述第i簇电力数据样本的新增异常电力数据样本的步骤；

在加入所述新增异常电力数据样本后，所述第i簇电力数据样本正常电力样本数据的比例小于或等于所述第一预设阈值的情况下，将所有新增异常电力数据样本进行反归一化，并将反归一化后的所有新增异常电力数据样本加入所述第i簇电力数据样本中。

4.根据权利要求3所述的电力数据预测模型构建方法，其特征在于，根据所述第i簇电力数据样本中的异常电力数据样本，以及所述第i簇电力数据样本中的所有异常电力数据样本的簇心，生成所述第i簇电力数据样本的新增异常电力数据样本，根据如下公式执行；

Y_new＝c_i+RAND(0,1)×(y_j-c_i)

其中，Y_new为新增异常电力数据样本,c_i表示第i簇电力数据样本中的所有异常电力数据样本的簇心,RAND(0,1)表示在0和1之间随机选取一个值，y_j为第i簇电力数据样本中原始的第j个异常电力数据样本，j＝(1,2..k)，j为第i簇电力数据样本中的所有异常电力数据样本个数。

5.根据权利要求2所述的电力数据预测模型构建方法，其特征在于，所述对于第i簇电力数据样本，判断其中正常电力数据样本的比例之后，方法还包括：

在所述比例小于等于所述第一预设阈值的情况下，直接将所述第i簇电力数据样本作为所述本地的电力数据样本和/或所述全局电力数据样本的一部分；

在所述比例等于1的情况下，将所述第i簇电力数据样本确定为噪音簇。

6.根据权利要求1所述的电力数据预测模型构建方法，其特征在于，所述对所述各区块链节点返回的局部模型进行聚合，得到当前迭代轮次的全局模型，包括：

根据所述各区块链节点返回的局部模型的模型参数，通过取平均值的方式，得到当前迭代轮次的全局模型的模型参数。