一种模型训练方法、装置和功率预测方法以及设备和介质
摘要文本
本申请涉及一种模型训练方法、装置和功率预测方法以及设备和介质，其中，该模型训练方法包括：基于共识机制将每个新能源场站本地训练的本地模型的本地模型参数，通过区块链节点服务器上传至区块链，生成最新区块；通过区块链节点服务器获取最新区块中的本地模型参数数据；基于本地模型参数数据对每个本地模型进行相关度聚合，得到对应的聚合模型。相比于现有联邦学习方案，通过区块链技术对联邦学习进行去中心化处理，且模型聚合只在新能源场站的本地服务器中进行，区块链节点服务器只进行模型参数的上传与下发，避免了中心节点的异常对模型训练所产生的不利影响，解决了如何提高基于联邦学习的模型训练稳定性的问题。
申请人信息
- 申请人:浙江大学; 华电电力科学研究院有限公司
- 申请人地址:310000 浙江省杭州市西湖区余杭塘路866号
- 发明人: 浙江大学; 华电电力科学研究院有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种模型训练方法、装置和功率预测方法以及设备和介质 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311361709.X |
| 申请日 | 2023/10/20 |
| 公告号 | CN117094420B |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06N20/00 |
| 权利人 | 浙江大学; 华电电力科学研究院有限公司 |
| 发明人 | 严新荣; 郑成航; 徐思达; 张勇铭; 高翔 |
| 地址 | 浙江省杭州市西湖区余杭塘路866号; 浙江省杭州市西湖区三墩镇西园一路10号 |
专利主权项内容
1.一种模型训练方法，其特征在于，所述方法包括：通过每个新能源场站的本地运行数据在场站的本地服务器上训练得到每个所述新能源场站的本地模型；为每个所述本地服务器分配一个区块链节点服务器，将本地模型的本地模型参数上传至所述区块链节点服务器；所述区块链节点服务器将本地模型参数以交易的形式上传至交易池中；基于Raft共识机制将每个所述本地模型的本地模型参数通过区块链节点服务器上传至区块链，生成最新区块；通过所述区块链节点服务器获取所述最新区块中的本地模型参数数据；基于所述本地模型参数数据对每个所述本地模型进行相关度聚合，得到对应的聚合模型；当接收到迭代训练指令时，基于所述新能源场站的最新本地运行数据，对所述新能源场站的所述聚合模型重新训练，得到所述本地模型；重新基于共识机制将每个所述本地模型的本地模型参数通过区块链节点服务器上传至区块链，生成最新区块；通过区块链节点服务器获取最新区块中的本地模型参数数据，基于本地模型参数数据对每个本地模型进行相关度聚合，得到对应的聚合模型；当接收到修正训练指令时，根据所述修正训练指令从所述聚合模型中确定待修正模型；从所述聚合模型中确定所述待修正模型的协同训练模型；基于对应所述新能源场站的最新本地运行数据，对所述待修正模型及所述协同训练模型重新训练，得到所述本地模型；重新基于共识机制将每个所述本地模型的本地模型参数通过区块链节点服务器上传至区块链，生成最新区块；通过区块链节点服务器获取最新区块中的本地模型参数数据，基于本地模型参数数据对每个本地模型进行相关度聚合，得到对应的聚合模型。。来源：百度搜索马克数据网