买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江财经大学;杭州半云科技有限公司申请的专利一种基于KNN联邦蒸馏学习和Seq2Seq的短期电力负荷预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120709957B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510746351.5，技术领域涉及：H02J3/00；该发明授权一种基于KNN联邦蒸馏学习和Seq2Seq的短期电力负荷预测方法是由张文宇;俞艺东;陈勇;陈细平;陈卫强;姚家渭;杨萱;聂佳浩;张帅;程远哲设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本一种基于KNN联邦蒸馏学习和Seq2Seq的短期电力负荷预测方法在说明书摘要公布了：本发明公开了一种基于KNN联邦蒸馏学习和Seq2Seq的短期电力负荷预测方法，包括获取历史预设时间段内电力负荷数据，输入到训练好的边缘计算设备的本地模型，得到未来预设时间段内的电力负荷数据。本方法采用个边缘计算设备的本地模型一起训练，且训练过程中采用联邦学习和知识蒸馏，且本地模型采用编码器来提取时空特征，采用解码器将时空特征转换为输出实现预测，通过KNN算法选择各边缘计算设备的本地模型最相近的本地模型参数，并聚合起来作为教师模型的参数；通过在边缘计算设备上传输知识来实现知识蒸馏，而非简单地使用全局模型来更新本地模型，降低了数据异质性的影响。同时实验结果表明，与基线模型相比，本文所提出的S3TKFDL具有更好的性能和鲁棒性。

本发明授权一种基于KNN联邦蒸馏学习和Seq2Seq的短期电力负荷预测方法在权利要求书中公布了：1.一种基于KNN联邦蒸馏学习和Seq2Seq的短期电力负荷预测方法，其特征在于： 获取历史预设时间段内电力负荷数据，输入到训练好的边缘计算设备的本地模型，得到未来预设时间段内的电力负荷数据； 所述边缘计算设备的本地模型包括依次连接的编码器和解码器，所述编码器包括由数据输入至输出依次连接的卷积神经网络、激活层、批归一化层、LSTM网络、时间注意力机制、图卷积神经网络、空间注意力机制和第一全连接层，解码器包括依次连接的预设数量的隐藏层和第二全连接层； 其中，首先个边缘计算设备的本地模型经过轮次的第一训练阶段，且第一训练阶段采用联邦学习，得到个边缘计算设备的本地模型各自的参数； 个边缘计算设备的本地模型再经过轮次的第二训练阶段，得到训练好的个边缘计算设备的本地模型，且从训练好的个边缘计算设备的本地模型中任选一个用于历史预设时间段内电力负荷数据进行输入； 第二阶段训练时，基于K近邻算法为各边缘计算设备的本地模型选择多个最相近的其他边缘计算设备的本地模型参数，并将多个最相近的其他边缘计算设备的本地模型参数进行聚合，将聚合后的参数作为各边缘计算设备的教师模型参数，各边缘计算设备的本地模型通过知识蒸馏向对应的教师模型进行学习，同时各边缘计算设备的本地模型自身基于训练数据进行单独训练。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江财经大学;杭州半云科技有限公司，其通讯地址为：310000 浙江省杭州市西湖区文一西路83号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。