[发明专利]一种应用于配电物联网的自组织联邦聚类方法

说明书

一种应用于配电物联网的自组织联邦聚类方法，所提自组织联邦学习框架完全克服了因数据传输带来的一系列安全和隐私问题，使设备状态监测准确。利用自组织图聚类算法，所提模型能够很好地利用配电物联网中的海量数据进行学习，在数据不断变化的物联网中具有很好的应用效果。配电物联网中的智能终端种类繁多且交互复杂，运用深度学习思想的模型可以自动去学习复杂数据背后的更深层次的关系，提高了聚类的可靠性。所提启发式算法可以在平衡数据的传输时间和本地处理效率的同时选择最佳聚头。

技术领域

本发明涉及配电物联网技术领域，具体涉及一种应用于配电物联网的自组织联邦聚类方法。

背景技术

配电物联网作为连接用户的一个主要桥梁其承载的功能已由传统的单向电能提供向双向能量流动转变，基于机器学习的设备状态监测模型可以对诸如配电柜、配电变压器等配电设备单元的状态进行实时监测，提前感知配电主设备的状态信息，一旦监测到设备状态表现异常，电网系统可以直接启动预警机制解决存在的隐患。基于此，设备状态监测已成为配电物联网的经典应用场景之一。然而传统的基于机器学习的设备状态监测模型是将数据从终端设备迁移到集中位置进行训练的，数据从智能终端传输到集中位置会遇到很多的安全隐私问题，一旦这些数据被恶意者攻击，状态监测模型很有可能不能监测到设备的真实状态，不能及时采取预防措施，从而给电网和国民经济带来很大危害。

在解决这一问题上，现有的应用于配电物联网的智能终端状态监测方法已经不能有效应对，迫切地需要研发一种新的状态监测方法来解决这一问题。

发明内容

本发明为了克服以上技术的不足，提供了一种设备检测准确、实现良好的聚类效果、处理计算时间短的应用于配电物联网的自组织联邦聚类方法。

本发明克服其技术问题所采用的技术方案是：

一种应用于配电物联网的自组织联邦聚类方法，包括如下步骤：

a)在配电物联网中设置至少一个中心服务器及配电设备单元，配电设备单元由若干主设备及若干从设备构成，中心服务器与配电设备单元相互通信；

b)采集配电物联网中配电设备单元的历史数据，将采集的历史数据建立无向加权图和社交关系表；

c)利用自组织图聚类算法将配电设备单元进行聚类；

d)寻找聚类后的每一个分组的聚头，将其作为主设备，其余设备作为从设备，形成配电物联网中中心服务器、主设备及从设备构成的关系网；

e)当中心服务器发送指令给主设备时，主设备将命令传输到从设备，从设备授权中心服务器的模型访问本地数据，中心服务器中的模型在从设备空闲时对本地数据进行训练；

f)训练结束后，训练结果由从设备发送到主设备，主设备将结果传输给中心服务器。

进一步的，步骤b)中无向加权图和社会关系表随历史数据的变化而变化。

进一步的，步骤c)的步骤为：

c-1)将步骤b)中采集的历史数据建立无向加权图进行预处理后将其转换为二维矩阵A_ij＝{a₀₀,a₀₁,...a_0j,...a_ij,...}，a_ij为权重，表示设备i与j之间的社交关系数，将二维矩阵A_ij分为训练样本A₁、测试样本A₂及验证样本A₃，A₁占A_ij的80％，A₂占A_ij的10％，A₃占A_ij的10％；