[发明专利]一种基于联邦学习和区块链技术的电网状态稳定性评估方法

说明书

本发明公开了一种基于联邦学习和区块链技术的电网状态稳定性评估方法。首先该方法以各电网数据中心作为联邦学习节点，利用多个矿工角色构建区块链取代中央服务器，解决了中央服务器单点故障的问题，又引入一种股权证明奖励机制，允许拥有最多股权的设备创建合法的区块，使用合法区块记录本地模型更新参数和相应的投票结果，增加合法设备附加区块到区块链的机会，进而保护准确的本地模型更新参数。其次引入一种去中心化验证机制，设置多个验证节点参与验证操作，利用拒绝负面影响(Reject on Negative Influence，RONI)中毒攻击检测算法验证本地模型更新参数，避免验证参数操作被单个恶意节点操控。本发明提供的方法用于保障电网的数据安全，防止恶意节点造成的威胁。

技术领域

本发明涉及联邦学习领域，具体来说，本发明具体涉及基于联邦学习和区块链技术的电网状态稳定性评估方法。

背景技术

现代电力系统是一个非线性复杂系统，其运行复杂多变，运行失稳时有发生。随着我国国民经济的快速发展，电网建设的规模和力度也不断增加，电网稳定问题造成的巨大损失使得该问题日渐受到相关研究人员的关注，目前的电力数据和用户隐私息息相关，如何合理地保护用户敏感信息，在隐私信息不被泄露前提下又能有效地进行电力数据分享、联合分析，是当前电网领域重点研究课题之一。

联邦学习技术能有效帮助多个电站在满足隐私保护、数据安全和政府法规的要求下，进行数据使用和机器学习建模，使原始数据在无需归集与共享的情况下，实现多节点间的协同计算和数据隐私保护。近年来，区块链凭借其匿名性、不可篡改性和分布性的特点，为多个不可信方之间的联邦学习提供了安全可靠的解决方案。

现有的基于区块链的联邦学习架构，通过上传数据模型参数而不是上传实际数据，保护了数据的隐私，并将联邦学习集成在区块链中。现有的架构将模型参数通过区块链进行存储共享，保证了数据的安全性。但是，现有的架构并未考虑联邦学习工作者选择问题，可能有低质量或恶意节点参与到联邦学习中，浪费训练资源，影响模型整体聚合。

综上所述，现有的基于区块链的联邦学习架构中存在有如下缺陷：(1)由于联邦学习是由中心服务器聚合本地模型以构建全局模型，因此容易受到单点故障的影响。(2)联邦学习在全局模型构建过程中无法过滤出故障或恶意攻击

发明内容

为解决上述现有技术中存在的不足，本发明提供一种基于联邦学习和区块链技术的电网状态稳定性评估方法，解决联邦学习中节点不可信问题，提高联邦学习的鲁棒性，实现对电网状态稳定性的评估。

为了实现上述技术目的，本发明的技术方案为

基于联邦学习和区块链技术的电网状态稳定性评估方法，包括以下步骤：

步骤一：发布联邦学习任务后，在第j轮通信过程中，第d个设备会被随机分配为工作者w、验证者v、矿工m角色之一；

步骤二：工作者w利用本地数据集进行本地学习获得本地模型更新参数根据奖励机制生成期望奖励再将和封装在一个用工作者的私钥签名的数据包并将发送至与工作者关联的验证者；

步骤三：在验证者v获得后，需要向其他验证者广播此验证者对进行验证并提取根据股权证明奖励机制生成奖励利用本地数据集验证获得验证结果根据股权证明奖励机制生成奖励最后将封装在一个由验证者的私钥签名的数据包并将发送至与验证者关联的矿工；

步骤四：在矿工m获得后需要将此数据包广播给其他矿工，矿工对进行验证并提取根据奖励机制生成奖励矿工将每一个验证者对同一的投票结果汇总为然后将打包构建为预选区块矿工根据权益证明共识机制挖掘其自己的候选块，选取拥有累计奖励最高的矿工生成的区块作为合法块，每个矿工将这个合法块附加到自己的区块链，并向关联的验证者和工作者广播合法块；