摘要
本发明公开了一种用于光伏故障检测模型压缩的联邦知识蒸馏方法,属于光伏故障检测领域。通过知识蒸馏将教师模型知识传递给学生模型,显著压缩模型;保证检测性能的同时降低模型复杂度和计算量,可部署在资源受限设备上,实现光伏故障检测的实时性和广泛性。设计联邦知识蒸馏算法,减少本地节点与中央服务器的通信次数和数据传输量;本地知识蒸馏训练减少不必要的参数传输,中央服务器采用高效知识融合算法避免复杂信息交互,提高联邦学习效率。经联邦知识蒸馏训练的学生模型,融合了教师模型知识、各本地节点多样化数据信息和全局知识表示,在低复杂度下具备更强的泛化能力和鲁棒性,更准确稳定地检测光伏故障,提高光伏系统运行可靠性和稳定性。
技术关键词
知识蒸馏方法
故障检测模型
学生
教师
数据分布
无损压缩算法
节点
融合算法
轻量级卷积神经网络
参数
注意力机制
服务器
多层感知机
资源受限设备
编码
线性回归模型
复杂度
系统为您推荐了相关专利信息
初始故障检测
故障自动修复
故障检测模型
故障修复系统
历史故障数据
图像分割模型
注意力
图像分割方法
池化特征
子模块