公开(公告)号：CN117113241A

公开(公告)日：2023-11-24

申请号：CN202310538638.X

申请日：2023-05-12

Applicant: 中南大学

Inventor： 陈晓红 ,  周婧妤 ,  王傅强 ,  龚思远 ,  胡东滨

IPC: G06F18/2433 ,  G06F18/2411 ,  G06F18/23213 ,  G06F18/2321 ,  G06F18/214 ,  G06F18/21 ,  G06F18/10 ,  G06F18/27 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明涉及漏损监测方法，具体地涉及一种基于边缘学习的智能漏损监测方法，包括如下步骤：A.对水管采集点的历史运行数据进行划分，将正常运行情况下的历史运行数据划分为正常运行情况数据集，将故障异常情况下的历史运行数据划分为故障异常数据集；B.利用机器学习模型构建正常运行情况预测模型，将正常运行情况预测模型下发到各边缘节点进行模型训练和预测，并构建对比区间；C.将采集数据与对比区间比对，并利用聚类算法和机器学习算法得到边缘节点的异常诊断结果，从而对水管的实际运行情况进行诊断。本发明的基于边缘学习的智能漏损监测方法能够在事前对水管进行瞬态水压或水流量的自动监测，降低了水管爆管和漏损的发生概率。

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

Inventor： 陈晓红 ,  龚思远 ,  曹文治

IPC: G06F18/22 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/098 ,  G06F18/2113 ,  G06F18/213 ,  H02J3/00

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。

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

Inventor： 陈晓红 ,  龚思远 ,  曹文治

IPC: G06F18/22 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/098 ,  G06F18/2113 ,  G06F18/213 ,  H02J3/00

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。