买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏华网融智科技有限公司

摘要：本发明公开了一种基于边缘计算的配电网异常数据检测方法及系统，包括：通过边缘设备采集配电网数据，配电网数据经由数据预处理后，形成样本数据集；基于卷积神经网络、循环神经网络，在边缘节点中构建异常特征提取模型，将样本数据集输入异常特征提取模型中进行处理，提取异常特征；基于联邦学习算法建立全局异常数据检测模型，将多个异常特征进行聚合分析，输出检测结果。本发明通过联邦学习算法的应用，实现多个边缘节点之间的数据共享和模型训练，保护数据隐私的同时提升检测模型的整体性能，将多个异常特征进行聚合分析，输出全局异常数据检测结果，能够更全面、准确地识别配电网中的异常情况，提高配电网系统的安全性和稳定性。

主权项：1.一种基于边缘计算的配电网异常数据检测方法，其特征在于，包括：通过边缘设备采集配电网数据，所述配电网数据经由数据预处理后，形成样本数据集；包括： 其中，X为样本数据集，m为样本数量，n为特征数量，S为经过数据与处理后的数据，i为样本索引，j为特征索引，Sij为配电网数据中第i个样本的第j个特征的值，t为积分变量，取值范围为0，T，et为指数函数，表示第i个样本所有特征值的求和，表示对每个样本的特征值求和后乘以指数函数进行积分计算；基于卷积神经网络、循环神经网络，在边缘节点中构建异常特征提取模型，将所述样本数据集输入所述异常特征提取模型中进行处理，提取异常特征；包括：通过所述异常特征提取模型的输入层输入所述样本数据集；利用卷积神经网络从所述样本数据集中提取空间特征、利用循环神经网络捕获所述样本数据集中的时间相关性和序列模式；所述异常特征提取模型通过对异常特征的多次迭代学习，逐步提取所述样本数据集中的异常特征；构建所述异常特征提取模型，包括： 其中，F为输出的异常特征，M为异常特征提取模型，X为输入的样本数据集，σ为激活函数，m表示样本数量，xi表示第i个样本，hi-1表示上一时刻的循环神经网络输出，Conv·表示卷积神经网络处理，LSTM·表示长短期记忆网络处理，表示将卷积神经网络和循环神经网络的输出进行积分操作；基于联邦学习算法建立全局异常数据检测模型，将多个所述异常特征进行聚合分析，输出检测结果；包括：定义存在N个边缘节点，每个节点提取出的异常特征为Fpq，其中p∈1,2，…，N}，表示节点编号，q表示特征向量的维度，将各异常特征进行聚合分析，得到全局异常特征Zq，其数学表达公式如下： 其中，wp表示第p个边缘节点的权重；为了确保权重之和为1，需要进行归一化处理，即： 其中，rp表示第p个边缘节点的得分，其数学表达公式如下： 其中，θ表示全局模型的参数向量，表示sigmoid函数，Fp表示第p个边缘节点的本地模型的参数向量，输出检测结果，包括：y＝fZq 其中，Zq为全局异常特征，f·为分类函数，y为检测结果，其为一个概率向量，即其中每个元素表示对应的异常类别的概率，可以通过softmax函数进行计算，K表示异常类别的数量，q表示特征向量的维度。通过设定阈值对检测结果y进行异常判断，当异常类别概率≥阈值时，则判定为异常。

全文数据：

权利要求：

百度查询： 江苏华网融智科技有限公司 一种基于边缘计算的配电网异常数据检测方法及系统