-
公开(公告)号：CN113379485B
公开(公告)日：2023-05-19
申请号：CN202110608927.3
申请日：2021-06-01
申请人： 国网浙江省电力有限公司电力科学研究院 , 浙江大学 , 北京邮电大学 , 国网辽宁省电力有限公司电力科学研究院
IPC分类号： G06Q30/0601 , G06Q30/08 , G06Q40/04 , G06Q50/06 , G06F21/60
摘要： 本发明公开了基于哈希算法与二次报价的需求响应竞价交易方法及系统，属于电力系统技术领域。现有的需求响应竞价交易业务存在数据可信不高、隐私保护不好、交易效率低等问题，本发明的基于哈希算法与二次报价的需求响应竞价交易方法，通过不可逆向求解的哈希算法加密电力用户需求响应投标信息，并采用重复报价的方式，即第一次报价采用密封报价，投标截止后进行第二次报价且电力用户提供不加密的真实报价，借助区块链不可篡改的特性进行两次报价的一致性检验，防止电力用户投标信息泄露和恶意竞标情况的发生，进而能够有效保障竞价交易的可信；进一步，本发明能够与现行需求响应交易机制有效结合，特别适用于需求响应竞价交易。
-
公开(公告)号：CN115695474A
公开(公告)日：2023-02-03
申请号：CN202211258283.0
申请日：2022-10-13
申请人： 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
IPC分类号： H04L67/12 , H04L67/1097 , H04L67/10
摘要： 本发明提供一种物联网资源共享方法、装置、系统、电子设备及存储介质。所述方法包括：将资源请求类终端的任务集合发布在区块链中，任务集合中包括任务描述和终端奖励给资源提供类节点的总资源值；根据任务描述和终端奖励给资源提供类节点的总资源值计算任务为每个资源提供节点带来的效益；对每个卸载策略下各个资源提供节点的效益进行求和，将效益总和最大值对应的资源提供节点作为当前任务卸载终端，可以得到物联网终端的任务卸载策略。本发明在保证普通物联网节点任务执行效率的同时实现资源节点的收益最大化，充分调用社会资源，提高物联网性能。
-
公开(公告)号：CN114169412A
公开(公告)日：2022-03-11
申请号：CN202111397160.0
申请日：2021-11-23
申请人： 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
摘要： 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括：由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集，并分发至多个联邦学习工人节点；联邦学习工人节点基于目标利润函数迭代训练本地模型；聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后，根据各个本地模型权重分布和整体本地模型权重分布，计算每个联邦学习工人节点对应的地动距离，并剔除超过预设距离阈值的联邦学习工人节点；由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除，减少异质性数据带来的精度损失，提高了传统算法在产业链中的应用可靠性。
-
公开(公告)号：CN113364831A
公开(公告)日：2021-09-07
申请号：CN202110457131.2
申请日：2021-04-27
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学 , 国网辽宁省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于区块链的多域异构算网资源可信协同方法，涉及区块链技术领域，用于解决现有资源分配不均的问题，该方法包括以下步骤：接收数据服务提供商DSS发送的资源共享请求，并通过智能合约对所述共享请求进行验证；验证通过时根据预设算法，向若干虚拟节点分配资源分配任务，得到所述DSS所需资源，并将资源信息在区块链中进行更新；接收所述DSS发送的服务反馈，根据所述服务反馈对所述虚拟节点按贡献度进行激励。本发明通过对虚拟节点的方式进行资源任务分配，结合激励机制，进而实现资源的最大化共享。
-
公开(公告)号：CN116360939A
公开(公告)日：2023-06-30
申请号：CN202310216223.0
申请日：2023-03-02
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
摘要： 本发明公开了基于可信计算的多任务调度方法、系统、设备及存储介质，属于多任务调度技术领域。本发明的一种基于可信计算沙盒的联邦学习多任务调度方法，通过构建参与方节点、区块链调度模型以及训练节点，建立计算沙盒状态通道；在计算沙盒状态通道中，训练节点对相关参数进行全局模型聚合与参数的计算，得到联邦学习任务的训练结果和状态信息；将训练结果和状态信息传输至区块链调度模型，并关闭计算沙盒状态通道，以释放所占有的算力资源；区块链调度模型将训练结果发送给参与方节点，更新算力资源的状态信息，完成联邦学习多任务的调度，实现对联邦学习模型训练和聚合过程中的可信监管，并且能够避免隐私泄露，方案科学、合理，切实可行。
-
公开(公告)号：CN114499895A
公开(公告)日：2022-05-13
申请号：CN202210353338.X
申请日：2022-04-06
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
摘要： 本发明公开了一种融合可信计算与区块链的数据可信处理方法及系统，属于能源数据处理技术领域。本发明的一种融合可信计算与区块链的数据可信处理方法及系统，主要用于解决当前区块链应用过程中能源数据上链前的能源数据信任问题以及业务计算的环境可信问题。针对上链能源数据可信问题，从物联网采集端或者是物联网能源数据采集平台两方面出发，采用可信计算技术与区块链技术融合的方法，通过可信计算嵌入物联网采集设备、预言机、链上链下能源数据可信校验模型，实现对能源数据收集、传输、存储过程的可信，结合可信计算的安全监控，确保能源数据采集可信。针对业务计算环境问题，本发明提出了一种结合可信计算和状态通道的计算架构，实现能源数据在隐私保护的情况下开展业务计算。
-
公开(公告)号：CN113379485A
公开(公告)日：2021-09-10
申请号：CN202110608927.3
申请日：2021-06-01
申请人： 国网浙江省电力有限公司电力科学研究院 , 浙江大学 , 北京邮电大学 , 国网辽宁省电力有限公司电力科学研究院
摘要： 本发明公开了基于哈希算法与二次报价的需求响应竞价交易方法及系统，属于电力系统技术领域。现有的需求响应竞价交易业务存在数据可信不高、隐私保护不好、交易效率低等问题，本发明的基于哈希算法与二次报价的需求响应竞价交易方法，通过不可逆向求解的哈希算法加密电力用户需求响应投标信息，并采用重复报价的方式，即第一次报价采用密封报价，投标截止后进行第二次报价且电力用户提供不加密的真实报价，借助区块链不可篡改的特性进行两次报价的一致性检验，防止电力用户投标信息泄露和恶意竞标情况的发生，进而能够有效保障竞价交易的可信；进一步，本发明能够与现行需求响应交易机制有效结合，特别适用于需求响应竞价交易。
-
公开(公告)号：CN113364608A
公开(公告)日：2021-09-07
申请号：CN202110431064.7
申请日：2021-04-21
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学 , 浙江大学
摘要： 本发明公开了一种基于区块链共识机制的分布式协同优化控制方法，属于电力系统技术领域。本发明的一种基于区块链共识机制的分布式协同优化控制方法，将区块链共识机制引入到分布式协同优化控制中，进而在分布式协同优化控制架构中融入代表选举与决策验证环节，借助智能合约技术，依托区块链去中心化协同管理机制，建立基于共识机制的分布式协同控制优化模型，使得区块链上的信息能被其他节点查询并验证，让不同节点之间达成共识，实现不同节点在互不信任的环境下得到一致的并难以被篡改伪造的数据信息，以消除分布式协同优化控制系统中易被恶意主体篡改信息的风险。
-
公开(公告)号：CN113315753A
公开(公告)日：2021-08-27
申请号：CN202110448308.2
申请日：2021-04-25
申请人： 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学 , 国网辽宁省电力有限公司电力科学研究院
摘要： 本发明公开了一种基于编码技术的区块数据可信恢复方法，涉及区块链技术领域，用于解决现有缺乏区块链数据恢复方法的问题，该方法包括以下步骤：通过边缘计算节点实时检测区块链；当检测到所述区块链中存在失效节点时：通过所述边缘计算节点，从存活节点下载所需数据编码块；获取编码矩阵；通过所述数据编码块及所述编码矩阵对所述失效节点存储的编码进行重构，得到失效节点编码块；将所述失效节点编码块添加至所述失效节点中。本发明通过编码块和编码矩阵的结合，实现了区块链数据的可恢复性。
-
公开(公告)号：CN114169412B
公开(公告)日：2024-09-06
申请号：CN202111397160.0
申请日：2021-11-23
申请人： 北京邮电大学 , 国网浙江省电力有限公司电力科学研究院
IPC分类号： G06F18/214 , G06N3/098
摘要： 本发明提供一种面向大规模产业链隐私计算的联邦学习模型训练方法。所述方法包括：由联邦学习中心服务器节点以非独立同分布为目标划分产业链业务训练数据集，并分发至多个联邦学习工人节点；联邦学习工人节点基于目标利润函数迭代训练本地模型；聚合服务器节点在聚合每个联邦学习工人节点发送的更新后的本地模型权重后，根据各个本地模型权重分布和整体本地模型权重分布，计算每个联邦学习工人节点对应的地动距离，并剔除超过预设距离阈值的联邦学习工人节点；由剩余的联邦学习工人节点继续进行模型训练。本发明在联邦学习模型训练过程中将分布差异过大的数据分布剔除，减少异质性数据带来的精度损失，提高了传统算法在产业链中的应用可靠性。
-
-
-
-
-
-
-
-
-
搜索结果
162 条记录 (耗时 0.068 秒)
