摘要：針對泛在電力物聯網中人工智能應用發展存在系統間的“教據孤島”問題以及電力數據的安全性
問題.實現跨行業跨業務線數據集中訓練存在的現實問.題和政策瓶頸，介紹了聯邦學習技術.并基于泛在
電力物聯網架構，設計各種應用場景下使用聯邦學習的策略和基本流程。
關鍵詞：泛在電力物聯網；聯邦學習：人工智能
文章編號：209:6-4137..(2019)23-018-04DOI：10.13535/.10-1507/a.2019.23.03
■文/謝豐卞建玲王楠鄭倩
聯邦學刃在i乏在電n
籾聯間八工智能頒域的應閑
0引言
2019年國家電網有限公司“兩
會”提出了“三型兩網、世界一
流”的戰略S標，即瞄準世界一
流，打造樞紐型、平臺型和共享型
企業，建設運營好堅強智能電網和
泛在電力物聯網。型兩網”戰
略的實施搭違了技術創新平臺，實
現各種新技術，如人丁智能、物聯
網的推廣應用，使承載電力流的堅
強智能電網與承載數據流的泛在電
力物聯網，相輔相成、融合發展，
共同構成能源流、業務流、數據流
主體提供用戶數據存在法律風險，
限制人工智能應用直接使川跨主體
數據根據《中華人民共和國網絡
安全法》，網絡運營者不得泄露、
篡改、毀壞其收集的個人信息，并
丘與第三方進行數據交易時需確保
擬定的合同明確約定擬交易數據的
范闈和數據保護義務。根據《家電
網數據安全規定，禁止將電網生產
及Jl]電采集類業務數據及裝置提供
給社會第三方使ffl,相關法規的建
立對人工智能傳統的集中數據處理
模式提出新的挑戰.基于國家電網
和K?他市場主體數據，構逮人丁智
能應用必須使丨丨!新的數據處理模式
來解決用戶數據隱私安全和打造共
享型企業之間的矛盾
(2)數據安全要求導致人T.
智能應用獲取M—主體跨業務線數
據存在困難根據《電力行業信息
系統安全等級保護基本要求》及國
家電網數據安全相關規定，跨專業
共享數據必須落實相關權限控制和
脫敏、脫密措施:，而人工智能應用
的訓練又需要使用大量真實業務數
據，脫敏和脫密后的業務數據很可
能會影響人丁.智能應用訓練效果3
(3)人T.智能應用傳統的集中
式模型訓練方式，難以滿足部分電力
智能應用實時性要求。電力控制和巡
檢等業務場景的部分人T.智能應用對
模銦更新實時性要求高，同時又存
在網絡環境不穩定的客觀情況，集
中式模型訓練更新到邊緣節點的方
式難以滿足其性能實時性要求
2聯邦學習技術概述
解決以上挑戰，都需要設計
一種滿足數據隱私、安全和性能要
求的人工智能框架^20I6年，谷
歌公司提出聯邦學習（Federated
“3流合一”的能源互聯網，形成
強大的技術創新平臺.
隨著承載數據流的泛在電力物
聯網的建設，基于其電力數據和公
開數據集的國家電網內部人丁.智能
Learning),它是一種訓練數據去
中心化的人工智能框架。目的在于
通過對保存在大量終端的分布式數
據開展訓練，學習一個高質量中心
化的機器學習模型，解決數據孤島
的問題。其重點解決以下問題
w求和應用將大量出現同時，打
造共享型企業將吸引更多社會資本
和各類市場主體參與能源乜聯網建
設和價值挖掘融合電力數據和其
他行業數據的閨家電網外部人丁.智
能需求和應用也將大量川現
(I)聯邦學習參與各方收集
的本地數據較敏感，由于各種原因
不能對外直接提供數據。
(2)聯邦學習參與各方不能
確保網絡一直在線，網絡可能存在
不穩定情況。
(3)聯邦學習參與方較多，
比如手機、物聯網設備等。
2019年初，緊跟丁(^〇1^1(^2.0
1泛在電力物聯網中人工智
能應用發展面對的挑戰
(I)末經用戶授權向第三方
?18?|屮叫辦新科技2019年第59期
科技創新
alpha發布之后，谷歌公司發布并
開源TensorFlowFederated框架，用
于完成在不需要數據集中收集情況
下，避免用戶隱私泄露的分布式A1
計算框架：該框架最初是為了促進
谷歌公司內部進行聯邦學習的實驗
而開發的，這種技術使最終用戶擁
有的設備能夠協同學習共享預測模
型，同時在各自設備上保留敏感的
訓練數據，從而從需要集中收集數
據的傳統模式，解耦到分布式機器
學習模式_ted框
架分為以下兩層。
(1)FederatedLearning
(FL)API層：該層提供了一組高
級接口，允許開發人員將所包含的
聯合訓練和評估實施應用于現有的
智慧醫療訓練數據不足的問題微
眾銀行基于其FATE框架，將聯邦
學習技術引人再保險領域.并共建
保險行業聯邦生態圈。可見，互聯
網、金融和醫療是當前聯邦學習主
要應用領域，但是電力領域從數據
安全性、敏感性和應用實時性要求
等方面都適合聯邦學習應用
享，在源端實現數據融通和邊緣智
能，如圖1所示
泛在電力物聯網原始數據分
布在感知層各邊緣節點上，同平臺
層之間的通信方式多種多樣，由于
地理環境限制不能確保網絡一立在
線:電力數據涉及用戶隱私且安全