(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210387256.7 (22)申请日 2022.04.13 (71)申请人 北京智芯微电子科技有限公司 地址 100192 北京市海淀区西小口路6 6号 中关村东升科技园A区3号楼 申请人 国网河南省电力公司 　 国家电网有限公司 (72)发明人 苑佳楠　霍超　白晖峰　张港红　 高建　杨双双　郑利斌　于华东　 尹志斌　罗安琴　谢凡　申一帆　 (74)专利代理 机构 北京润平知识产权代理有限 公司 11283 专利代理师 高英英 (51)Int.Cl. G06F 21/60(2013.01)G06F 21/62(2013.01) H04L 9/40(2022.01) H04L 67/10(2022.01) H04L 67/12(2022.01) (54)发明名称 基于联邦学习的云边端协同方法、 控制装 置、 及协同系统 (57)摘要 本发明实施例提供一种基于联邦学习的云 边端协同方法、 控制装置、 及协同系统， 属于电力 技术领域。 所述边缘侧为基于联邦学习构建的云 边端系统架构中的边， 边缘侧的云边端协同方法 包括： 获取端侧设备的历史数据； 基于所述历史 数据， 训练数据模型， 得到本地模型； 上传所述本 地模型和对应的模型参数至云端； 获取所述云端 下发的聚合模型， 作为本地聚合模型， 以进行本 地管理和决策， 其中， 所述聚合模型为所述云端 通过加权聚合的各边缘侧上传的所述本地模型。 基于联邦 学习的云边端协同， 在边缘侧通过本地 训练， 数据本身 不会离开边缘侧， 边缘侧之间、 边 缘侧与云端之间共享聚合模型、 以及聚合模型的 参数更新， 从而保证 了数据安全和隐私需求。 权利要求书3页 说明书9页 附图4页 CN 115168876 A 2022.10.11 CN 115168876 A 1.一种边缘侧的云边端协同方法， 其特征在于， 所述边缘侧为基于联邦学习构建的云 边端系统架构中的边， 所述 边缘侧的云边端协同方法包括： 获取端侧设备的历史数据； 基于所述历史数据， 训练数据模型， 得到 本地模型； 上传所述本地模型和对应的模型参数至云端； 获取所述云端下发的聚合模型， 作为本地聚合模型， 以进行本地管理和决策， 其中， 所述聚合模型为所述云端通过加权聚合的各边 缘侧上传的所述本地模型。 2.根据权利要求1所述的边缘侧的云边端协同方法， 其特征在于， 在所述获取端侧设备 的历史数据之后， 所述 边缘侧的云边端协同方法还 包括： 对所述历史数据进行 数据预处 理； 对数据预处 理后的所述历史数据进行 数据对齐， 并生成训练样本 。 3.根据权利要求1所述的边缘侧的云边端协同方法， 其特征在于， 在所述上传所述本地 模型和对应的模型参数至云端之前， 所述 边缘侧的云边端协同方法还 包括： 获取所述云端发送的公钥； 通过所述公钥加密所述本地模型和对应的模型参数。 4.根据权利要求1所述的边缘侧的云边端协同方法， 其特征在于， 所述边缘侧的云边端 协同方法还 包括： 若所述聚合模型未收敛至预设的精度或超时限制时， 基于所述历史数据， 重新训练所 述数据模型， 得到所述本地模型。 5.根据权利要求1所述的边缘侧的云边端协同方法， 其特征在于， 所述边缘侧的云边端 协同方法还 包括： 通过以下任意方式更新所述本地聚合模型： 基于所述历史数据， 继续训练所述本地聚合模型， 以得到新的本地模型； 获取所述云端下发的新的模型参数。 6.根据权利要求1所述的边缘侧的云边端协同方法， 其特征在于， 所述边缘侧的云边端 协同方法还 包括： 获取所述端侧设备的实时数据； 根据所述本地聚合模型对所述端侧设备进行 管理。 7.一种云端的云边端协同方法， 其特征在于， 所述云端为基于联邦学习构建的云边端 系统架构中的云， 所述云端的云边端协同方法包括： 获取边缘侧上传的本地模型和对应的模型参数； 通过加权聚合所述本地模型， 生成聚合模型； 下发所述聚合模型到所述 边缘侧。 8.根据权利要求7所述的云端的云边端协同方法， 其特征在于， 在所述获取边缘侧上传 的本地模型和对应的模型参数之后， 所述用于云端的云边端协同方法还 包括： 根据下发的公钥对应的私钥， 解密所述本地模型和对应的模型参数； 对所述本地模型进行模型 标识； 建立模型 数据库， 存 储所述本地模型和对应的模型参数。 9.根据权利要求7所述的云端的云边端协同方法， 其特征在于， 所述云端的云边端协同权　利　要　求　书 1/3 页 2 CN 115168876 A 2方法还包括： 基于数字 孪生技术， 构建端侧设备模型 数字孪生体； 根据所述端侧设备模型数字孪生体， 设置针对边缘侧及端侧设备的所述联合管理决 策。 10.根据权利要求7所述的云端的云边端协同方法， 其特征在于， 所述云端的云边端协 同方法还 包括： 获取所述边缘侧上传的新的本地模型和新的模型参数； 更新所述聚合模型， 得到新的聚合模型； 共享所述模型参数到其它边 缘侧。 11.一种边缘侧的控制装置， 其特征在于， 所述边缘侧的控制装置包括： 存储器、 处理器 及存储在所述存储器上并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算 机程序， 以实现根据权利要求1 ‑6中任意一项所述的边 缘侧的云边端协同方法。 12.一种云端的控制装置， 其特征在于， 所述云端的控制装置包括： 存储器、 处理器及存 储在所述存储器上并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程 序， 以实现根据权利要求7 ‑10中任意 一项所述的云端的云边端协同方法。 13.一种机器可读存储介质， 其特征在于， 该机器可读存储介质上存储有指令， 该指令 使得机器执行根据权利要求 1‑6中任意一项所述的边缘侧的云边端协同方法或根据权利要 求7‑10中任意 一项所述的云端的云边端协同方法。 14.一种云边端协同系统， 其特 征在于， 所述云边端协同系统包括： 端侧设备； 边缘侧， 包括权利要求11所述的边缘侧的控制装置， 用于根据所述端侧设备的历史数 据， 训练数据模型， 得到 本地模型； 云端， 包括权利要求12所述的云端的控制装置， 用于根据所述边缘侧发送的本地模型， 生成聚合模型， 并向所述边缘侧下发所述聚合模型， 该聚合模型作为所述边缘侧的本地聚 合模型。 15.根据权利要求14所述的云边端协同系统， 其特征在于， 所述边缘侧还包括： 本地模 型模块， 用于存 储所述本地聚合模型； 历史数据库， 用于存 储所述端侧设备的历史数据； 实时获取模块， 用于获取 所述端侧设备的实时数据。 16.根据权利要求15所述的云边端协同系统， 其特征在于， 所述的边缘侧的控制装置还 用于： 根据所述实时数据和所述本地聚合模型， 对所述端侧设备进行 管理。 17.根据权利要求14所述的云边端协同系统， 其特 征在于， 所述云端还 包括： 云端模型 数据存储中心， 用于存 储所述聚合模型和各边 缘侧的模型 数据库。 18.根据权利要求17所述的云边端协同系统， 其特征在于， 所述云端的控制装置还用 于： 获取所述边缘侧上传的新的本地模型和新的模型参数； 更新所述聚合模型， 得到新的聚合模型； 共享所述模型参数到其它边 缘侧。权　利　要　求　书 2/3 页 3 CN 115168876 A 3