買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉國網數字科技控股有限公司;國網商用大數據有限公司申請的專利基于模型增量訓練的分布式電力模型更新方法、裝置和電子設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120408010B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510906292.3，技術領域涉及：G06F17/16；該發明授權基于模型增量訓練的分布式電力模型更新方法、裝置和電子設備是由劉溪;魏千程;賈江凱;于泰然;賀志;孫喜民;張賓設計研發完成，并于2025-07-02向國家知識產權局提交的專利申請。

本基于模型增量訓練的分布式電力模型更新方法、裝置和電子設備在說明書摘要公布了：本發明提供了一種基于模型增量訓練的分布式電力模型更新方法、裝置和電子設備。實現方案為：在分布式電力節點的本地電力增量數據不足時，對分布式電力節點中的本地電力模型的本地模型參數矩陣進行奇異值分解，得到左奇異矩陣、對角線矩陣和右奇異矩陣；基于對角線矩陣中的主要奇異值，從左奇異矩陣和右奇異矩陣分別提取對應的列向量，得到重要參數矩陣；基于本地模型參數矩陣與重要參數矩陣之間的差值矩陣確定非重要參數矩陣，并對非重要參數矩陣進行低秩分解，得到本地第一低秩參數矩陣和本地第二低秩參數矩陣，以此進行全局模型更新再更新各個電力節點的本地電力模型。采用本發明，可以提高模型訓練速度和精度，且避免模型發生漂移。

本發明授權基于模型增量訓練的分布式電力模型更新方法、裝置和電子設備在權利要求書中公布了：1.一種基于模型增量訓練的分布式電力模型更新方法，其特征在于，包括： 在分布式電力節點的本地電力增量數據的數據量小于預設閾值的情況下，對所述分布式電力節點中的本地電力模型的本地模型參數矩陣進行奇異值分解，得到左奇異矩陣、對角線矩陣和右奇異矩陣； 基于所述對角線矩陣中的主要奇異值，從所述左奇異矩陣和所述右奇異矩陣分別提取對應的列向量，得到重要參數矩陣，其中，所述主要奇異值包括：所述對角線矩陣中數值從大到小排序在前N個的奇異值，其中，N為大于1的正整數，和或所述本地電力模型中的梯度敏感度大于預設閾值的模型參數對應在所述對角線矩陣中的第一位置上的奇異值； 基于所述本地模型參數矩陣與所述重要參數矩陣之間的差值矩陣，確定非重要參數矩陣，并對所述非重要參數矩陣進行低秩分解，得到本地第一低秩參數矩陣和本地第二低秩參數矩陣； 基于所述本地電力增量數據，對所述本地第一低秩參數矩陣和所述本地第二低秩參數矩陣進行更新，并將更新結果發送給全局調度服務器；其中，所述更新結果包括基于更新前后的所述本地第一低秩參數矩陣之間的差值所確定的本地第一低秩參數差分矩陣，以及基于更新前后的所述本地第二低秩參數矩陣之間的差值所確定的本地第二低秩參數差分矩陣；所述全局調度服務器用于對來自各個所述分布式電力節點的所述本地第一低秩參數差分矩陣和所述本地第二低秩參數差分矩陣分別進行全局聚合，并基于全局聚合得到的全局第一低秩參數差分矩陣和全局第二低秩參數差分矩陣，分別對全局第一低秩參數矩陣和全局第二低秩參數矩陣進行更新； 對來自所述全局調度服務器的更新后的所述全局第一低秩參數矩陣和更新后的所述全局第二低秩參數矩陣之間的乘積，與所述重要參數矩陣進行求和，得到所述分布式電力節點的本地電力模型的更新后的本地模型參數矩陣。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人國網數字科技控股有限公司;國網商用大數據有限公司，其通訊地址為：100053 北京市西城區廣安門內大街308號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。