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！

龙图腾网获悉广东电网有限责任公司申请的专利电力设备缺陷识别的联邦学习增量训练平台及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：CN121074607B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202511609271.1，技术领域涉及：G06V10/96；该发明授权电力设备缺陷识别的联邦学习增量训练平台及方法是由梁哲恒;沈伍强;姚潮生;鲁昶材;张子扬;张金波;崔磊;曾纪钧;沈桂泉;钱正浩;王业超;张小陆;周纯;周昉昉;李凯;秦强;龙震岳设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本电力设备缺陷识别的联邦学习增量训练平台及方法在说明书摘要公布了：本发明涉及人工智能技术领域，特别是涉及电力设备缺陷识别的联邦学习增量训练平台及方法，包括计算节点、中央协调系统、差分隐私保护模块、敏感特征屏蔽模块、聚合权重调整模块以及隐私评估与自修正模块，计算节点负责采集电力设备图像数据及标签，进行本地训练并生成模型参数；中央协调系统聚合各节点模型参数以更新全局参数；差分隐私保护模块动态分配隐私预算并添加校准噪声，敏感特征屏蔽模块对图像数据进行差异化保护；聚合权重调整模块根据节点数据质量、量和隐私保护级别动态调整权重；隐私评估与自修正模块评估模型性能与隐私保护水平，自动调整参数形成闭环优化；该平台使不同电网公司能安全协作训练模型，有效保护敏感数据安全。

本发明授权电力设备缺陷识别的联邦学习增量训练平台及方法在权利要求书中公布了：1.一种电力设备缺陷识别的联邦学习增量训练平台,其特征在于,包括: 计算节点,用于采集电力设备的图像数据,保存所述图像数据及对应的标签数据作为训练数据集,对所述训练数据集进行本地训练,生成本地模型参数; 中央协调系统,与所述计算节点通信连接,用于接收所述计算节点上传的所述本地模型参数,对所述本地模型参数进行聚合以更新全局模型参数,将所述全局模型参数下发至所述计算节点; 差分隐私保护模块,与所述计算节点通信连接,用于根据电力设备类型和缺陷敏感度动态分配隐私预算,对所述计算节点上传的所述本地模型参数添加校准噪声,降低数据泄露风险;所述差分隐私保护模块包括:隐私预算分配单元,用于建立设备类型-敏感度映射表,根据电力设备类型和缺陷严重程度分配基础隐私预算值;梯度偏差监测单元,用于实时监测模型聚合过程中的梯度偏差值,当所述梯度偏差值超过预设阈值时触发隐私保护机制;噪声生成单元,用于根据所述隐私预算分配单元分配的隐私预算值生成初始噪声;噪声校准单元,用于分析梯度变化趋势,计算当前梯度与历史梯度之间的差异,根据所述差异程度动态调整噪声校准因子;扰动执行单元,用于将校准后的噪声添加到原始梯度,形成扰动梯度; 敏感特征屏蔽模块,与所述计算节点通信连接,用于识别所述图像数据中的敏感特征和关键识别特征,对所述敏感特征和所述关键识别特征实施差异化保护策略;所述敏感特征屏蔽模块包括:特征重要性分析单元,用于对模型中间层特征进行重要性分析,计算每个特征对预测结果的贡献度;特征敏感性评估单元,用于建立特征敏感性评估标准,综合考虑特征识别价值和隐私泄露风险;特征分类单元,用于将特征分为高敏感度、中敏感度和低敏感度三类;差异化保护单元,用于对高敏感度特征应用强度噪声保护,对中敏感度特征应用适中噪声保护,对低敏感度但对识别关键的特征应用最小噪声保护; 聚合权重调整模块,与所述中央协调系统通信连接,用于根据各所述计算节点的数据质量、数据量和隐私保护级别动态调整聚合权重,平衡隐私保护与模型性能;所述聚合权重调整模块包括:节点基础权重初始化单元,用于基于数据量和数据分布相似性初始化各节点基础权重;贡献度评估单元,用于建立节点历史贡献度评估体系,记录每个节点模型更新的有效性;数据质量分析单元,用于分析节点隐私保护级别与其数据质量的关系;权重计算单元,用于综合节点贡献度和数据质量因素,动态计算新的聚合权重系数;平滑过渡单元,用于实现权重平滑过渡,防止权重突变导致模型不稳定； 隐私评估与自修正模块，与所述差分隐私保护模块、所述敏感特征屏蔽模块和所述聚合权重调整模块通信连接，用于评估模型性能与隐私保护水平，自动调整隐私保护参数，形成闭环优化系统。

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广东电网有限责任公司，其通讯地址为：510699 广东省广州市越秀区东风东路757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。