[发明专利]基于电力物联网的全局模型生成方法、装置、设备及介质

说明书

本发明提供一种基于电力物联网的全局模型生成方法、装置、设备及介质。基于电力物联网的全局模型生成方法包括：获取目标簇的簇信息。获取目标簇中每两个设备之间的通信状态。基于每两个设备之间的通信状态分别确定目标簇内每一个设备对应的聚合权重，并通过目标簇内每一个设备对应的聚合权重构建目标簇对应的共识矩阵。将共识矩阵和每一个设备对应的本地初始模型信息下发至每一个设备。根据目标簇中每一个设备与服务器之间的距离，将与服务器距离最近的设备确定为目标设备。获取目标设备的目标共识模型信息，将目标共识模型信息对应的目标共识模型作为目标簇的全局模型。通过本发明，能够充分结合各个设备的通信状态，进而提高全局模型的可靠性。

技术领域

本发明涉及计算机技术领域，具体涉及一种基于电力物联网的全局模型生成方法、装置、设备及介质。

背景技术

电力物联网是一种物联网在智能电网中的应用，能够基于整合的通信基础设施资源和电力系统基础设施资源，提高电力系统的信息化水平，进而改善电力系统现有基础设施利用效率，为电网发、输、变、配、用电等环节提供重要技术支撑。由于电力物联网中所覆盖的设备数量较大，且不同设备所需满足的业务需求不同，因此，为便于电力物联网中的服务器能够根据各设备所发送的请求进行针对性的管理，合理分配资源，则在服务器中部署全局模型，以便服务器能够通过该全局模型对各设备进行全局管理。

相关技术中，全局模型是基于联邦学习的训练方式得到的。将分布在各设备本地中的模型进行单独训练，并将训练好的本地初始模型参数发送至服务器中进行全局聚合，进而得到便于服务器对电力物联网中各设备进行全局管理的全局模型。

但采用该种方式训练全局模型时，若与服务器同时进行通信的设备数量过多，则容易导致服务器的通信资源紧缺，进而在全局模型训练的过程中，容易导致获取的用于进行全局模型训练的模型参数不完整，从而影响全局模型的可靠性。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中，采用联邦学习的训练方式得到全局模型时，会因设备与服务器之间的通信状态，影响最终生成的全局模型的可靠性的缺陷，从而提供一种基于电力物联网的全局模型生成方法、装置、设备及介质。

根据第一方面，本发明提供一种基于电力物联网的全局模型生成方法，应用于电力物联网中的服务器，所述方法包括：

获取目标簇的簇信息，所述目标簇包括第一数量的设备，所述簇信息中包括每一个设备对应的本地初始模型信息；

获取所述目标簇中每两个设备之间的通信状态；

基于每两个设备之间的通信状态分别确定所述目标簇内每一个设备对应的聚合权重，并通过所述目标簇内每一个设备对应的聚合权重构建所述目标簇对应的共识矩阵；

将所述共识矩阵和每一个设备对应的本地初始模型信息下发至每一个设备，以便每一个设备基于接收到的所述目标簇内每一个设备对应的本地初始模型信息和共识矩阵，生成每一个设备对应于所述目标簇的共识模型；

根据所述目标簇中每一个设备与所述服务器之间的距离，将与所述服务器距离最近的设备确定为目标设备；

获取所述目标设备的目标共识模型信息，将所述目标共识模型信息对应的目标共识模型作为所述目标簇的全局模型。

在该方式中，能够基于目标簇内每两个设备之间的通信状态，确定将目标簇内各设备的本地初始模型信息进行聚合的共识矩阵，进而使各个设备在生成对应的共识模型时，能够充分结合各个设备之间的通信状态，从而增强共识模型的协同能力。并且，由于共识模型是在本地设备进行共识模型训练得到的模型，进而无需服务器自行训练，便可以直接从与服务器距离最近的设备中进行获取，有助于在训练共识模型的过程中，避免服务器的通信资源被过度占用，导致服务器通信资源紧缺的情况发生，从而有助于保障服务器的通信资源的合理分配的同时，提高全局模型的可靠性。