(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111667178.8 (22)申请日 2021.12.31 (71)申请人 国网冀北电力有限公司信息通信分 公司 地址 100053 北京市西城区枣林前街32号 申请人 国家电网有限公司 　北京邮电大 学 (72)发明人 尚芳剑　李信　彭柏　陈重韬　 王艺霏　李坚　吴佳　娄竞　 姚艳丽　闫忠平　张少军　王东升　 来骥　张宁　温馨　郑天任　刘畅　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 肖艳 (51)Int.Cl. G06N 3/04(2006.01)G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 电力数据预测模 型构建方法、 装置、 设备、 介 质及程序 (57)摘要 本发明涉及一种电力数据预测模型构建方 法、 装置、 设备、 介质及程序， 该方法包括： 将上一 迭代轮次得到的全局模型发送至各区块链节点； 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。 本发明中构建了基于区块链 的分布式计算模 型与框架， 保护了各电力系统的 数据隐私， 拓展了电力数据预测模型的应用范 围。 权利要求书2页 说明书16页 附图4页 CN 114511063 A 2022.05.17 CN 114511063 A 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； Ynew＝ci+RAND(0,1) ×(yj‑ci) 其中， Ynew为新增异常电力数据 样本,ci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， yj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权　利　要　求　书 1/2 页 2 CN 114511063 A 2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。 7.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， 所述深度神经网络 模型具体为长短期记忆网络模型， 相应地， 所述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之后， 方 法还包括： 将当前时刻之前的一段时间的电力数据序列输入基于长短期记忆网络模型的所述电 力数据预测模型， 得到预测的电力数据。 8.一种电力数据预测模型构建装置， 其特 征在于， 包括： 发送模块， 用于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； 接收模块， 用于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； 聚合模块， 用于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； 确定模块， 用于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。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7任一项所 述电力数据预测模型构建方法的全部或部分步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处理器执行时实现如权利要求1至7任一项所述电力数据预测模型构建方法的全 部或部分步骤。 11.一种计算机程序产品， 所述计算机程序产品包括计算机可执行指令， 其特征在于， 所述指令在被执行时用于实现如权利要求1至7任一项所述电力数据预测模型构建方法的 全部或部分步骤。权　利　要　求　书 2/2 页 3 CN 114511063 A 3