一种基于联邦学习的充电桩用户画像方法

    公开(公告)号:CN114970693B

    公开(公告)日:2024-05-07

    申请号:CN202210515800.1

    申请日:2022-05-11

    IPC分类号: G06F18/23 G06N20/00 G06Q50/06

    摘要: 本发明涉及一种基于联邦学习的充电桩用户画像方法,包括:将电力公司计算节点记为Guest,将气象局计算节点记为Host;将Guest中的充电桩负荷样本集XA和Host中的气象数据样本集XB中具有相同日期的样本对齐;在Guest中通过预训练的第一联邦学习聚类模型计算XA的第一样本分布信息,在Host中通过预训练的第二联邦学习聚类模型计算XB的第二样本分布信息,并将第二样本分布信息发送至Guest;在Guest中根据第一样本分布信息和第二样本分布信息生成第一整体样本分布信息,并获取充电桩用户用电数据画像,本发明通过DB指标和Dunn指标对联邦学习聚类模型进行评估,提高了联邦学习聚类模型的可靠性。与现有技术相比,本发明具有保护用户隐私、准确度高、效率高、可靠性高等优点。

    基于可解释图神经网络的电网暂态失稳定位方法和系统

    公开(公告)号:CN116502380A

    公开(公告)日:2023-07-28

    申请号:CN202310499262.6

    申请日:2023-05-06

    摘要: 用于定位暂态失稳子结构的可解释图神经网络方法和系统,包括:首先,将电网数据处理为图结构数据,引入了第一图卷积神经网络作为编码层学习电网中间节点嵌入;然后通过计算图结构的电网数据的节点特征相似度和局部拓扑结构相似度,获得边采样权重;根据边采样权重采样解释子图获取采样掩码矩阵,通过此矩阵控制第二图神经网络运行和分类任务,并在反向传播过程中自定义采样梯度计算方法;最后根据采样掩码矩阵定位电网暂态失稳子结构,根据分类器获得电网数据稳态情况。本发明还包含基于可解释图神经网络的电网暂态失稳定位方法的系统。本发明在使用图神经网络判断电网暂态稳定性的基础上,运用子图可解释技术定位电网暂态失稳子结构。