一种基于联邦学习的园区电力负荷预测方法

    公开(公告)号:CN119150046B

    公开(公告)日:2025-02-11

    申请号:CN202411615659.8

    申请日:2024-11-13

    Applicant: 中南大学

    Abstract: 本申请适用于电力负荷预测技术领域,提供了一种基于联邦学习的园区电力负荷预测方法,包括:客户端对园区的电力负荷数据序列进行EMD分解得到多个IMF分量;计算园区的气象温度序列与IMF分量之间的DTW距离,将DTW距离作为气象温度序列与IMF分量之间的相似度;对多个IMF分量进行排序,得到电力负荷分解分量序列;接收中央服务器下发的全局模型参数,利用电力负荷分解分量序列进行本地训练,将训练后的本地模型参数上传至中央服务器,使中央服务器进行全局参数聚合,将聚合后的全局模型参数下发至客户端,客户端使用新的全局模型参数进行下一轮的本地训练,直至模型收敛。本申请能提升联邦学习框架下的电力负荷预测准确率。

    一种基于虚拟场景VR交互的数字藏品生成流通方法及介质

    公开(公告)号:CN118195745A

    公开(公告)日:2024-06-14

    申请号:CN202410616379.2

    申请日:2024-05-17

    Applicant: 中南大学

    Abstract: 本发明提供了一种基于虚拟场景VR交互的数字藏品生成流通方案,包括:采集艺术品图片数据,完成3D建模;通过数字资源管理平台进行素材模型与虚拟场景适配;基于管理平台中的数字资源,生成独特的区块链数字藏品;使用VR可穿戴设备在虚拟场景内全真演示,观赏艺术品的关键特征以及艺术细节;3D‑UI交互获取当前艺术品的数字藏品信息,进行数字藏品在VR虚拟场景内的交易;确认交易并在链上广播。本发明为艺术品创造了数字藏品化的管理和展示平台,同时还为用户提供了个性化的体验,可以有助于数字艺术品的保护、交易和推广,以及提供互动体验,区块链技术的应用可以确保数字藏品的不可伪造性和版权保护,增加艺术品的流通价值。

    一种基于联邦学习的园区电力负荷预测方法

    公开(公告)号:CN119150046A

    公开(公告)日:2024-12-17

    申请号:CN202411615659.8

    申请日:2024-11-13

    Applicant: 中南大学

    Abstract: 本申请适用于电力负荷预测技术领域,提供了一种基于联邦学习的园区电力负荷预测方法,包括:客户端对园区的电力负荷数据序列进行EMD分解得到多个IMF分量;计算园区的气象温度序列与IMF分量之间的DTW距离,将DTW距离作为气象温度序列与IMF分量之间的相似度;对多个IMF分量进行排序,得到电力负荷分解分量序列;接收中央服务器下发的全局模型参数,利用电力负荷分解分量序列进行本地训练,将训练后的本地模型参数上传至中央服务器,使中央服务器进行全局参数聚合,将聚合后的全局模型参数下发至客户端,客户端使用新的全局模型参数进行下一轮的本地训练,直至模型收敛。本申请能提升联邦学习框架下的电力负荷预测准确率。

Patent Agency Ranking