基于单轮联邦学习的低通信成本智能电表故障诊断方法

本发明公开了一种基于单轮联邦学习的低通信成本智能电表故障诊断方法。在各智能电表节点进行本地模型训练，各节点将本地模型参数以及每个批量归一化层在训练完成后的本地模型中记录的均值和方差上传至中心服务器，中心服务器通过对齐给定的故障分类和批量归一化层的统计量进行各节点对应数据集的生成。此外，本发明还通过对生成的数据集进行裁剪、混合并生成软标签，进一步提升了全局模型的精度和鲁棒性。最后，将生成的数据集和软标签输入至全局模型进行训练，得到最终的联邦学习全局故障诊断模型。这种方法在保护数据隐私、降低通信成本的同时，提高了模型的精度和鲁棒性，相比于其他联邦学习方法，故障诊断性能得到了显著提升。