2026年专利代理师考试实务卷

2026年专利代理师考试实务卷第一部分专利撰写【技术交底书】发明名称：一种基于联邦学习的分布式电力负荷预测方法及系统技术领域本发明涉及电力数据处理技术领域，具体涉及一种利用联邦学习架构在保护数据隐私的前提下进行分布式电力负荷预测的方法及系统。背景技术随着智能电网的发展，精准的电力负荷预测对于电网调度、电力市场交易以及电网安全稳定运行至关重要。传统的电力负荷预测方法通常需要将各区域、各变电站或各用户的详细负荷数据汇总到一个中心服务器进行集中式训练。然而，这种集中式模式存在以下问题：1.数据隐私泄露风险：电力负荷数据包含用户用电习惯、商业活动规律等敏感信息，汇总到中心服务器增加了数据泄露的风险。2.通信带宽压力大：海量终端设备产生的庞大数据量全部上传至中心，对网络带宽提出极高要求。3.单点故障风险：中心服务器一旦发生故障，整个预测系统将瘫痪。近年来，联邦学习作为一种新兴的分布式人工智能技术，允许参与方在本地利用私有数据训练模型，仅交换模型参数而非原始数据，从而在保护隐私的同时实现协同建模。然而，现有的通用联邦学习框架直接应用于电力负荷预测时，往往面临以下挑战：一是电力负荷数据具有明显的时空分布特性，不同区域的负荷特性差异大，简单的全局模型聚合难以兼顾局部特征；二是各参与方的数据质量和数据量不平衡（非独立同分布Non-IID问题），导致模型收敛速度慢，预测精度低；三是现有的聚合算法在通信过程中容易遭受恶意节点的投毒攻击，缺乏有效的安全验证机制。发明内容本发明旨在解决现有技术中电力负荷预测存在的隐私泄露、通信压力大以及模型精度低的问题，提供一种基于联邦学习的分布式电力负荷预测方法及系统。为实现上述目的，本发明提供如下技术方案：一种基于联邦学习的分布式电力负荷预测方法，包括以下步骤：S1、系统初始化：中心服务器构建全局神经网络模型，所述全局神经网络模型采用长短期记忆网络（LSTM）与注意力机制相结合的架构，并将全局模型参数分发给各参与方节点；各参与方节点接收全局模型参数，利用本地历史负荷数据及对应的气象数据、时间特征数据构建本地训练集；S2、本地模型训练：各参与方节点基于接收到的全局模型参数初始化本地模型，利用本地训练集对本地模型进行训练，得到本地模型更新参数及本地模型损失值；S3、基于时空相关性的权重计算：中心服务器接收各参与方节点上传的本地模型更新参数，计算各参与方节点与当前预测任务的相关性权重；具体计算方式为：根据参与方节点的地理位置信息，计算其与目标预测区域的空间距离dspace，并根据其最近一次上传数据的时序相似度计算时间距离dtime；综合权重w其中，α为空间权重调节系数，λ和β为衰减因子；S4、安全聚合与异常检测：中心服务器利用基于Krum的异常检测算法对上传的本地模型更新参数进行筛选，剔除被判定为恶意的异常更新参数；对于筛选后的正常更新参数，利用步骤S3计算得到的综合权重wiS5、模型更新与迭代：中心服务器将新的全局模型参数分发给各参与方节点，并判断全局模型损失值是否小于预设阈值或达到预设迭代次数；若满足条件，则停止训练并输出最终的全局预测模型；否则，返回步骤S2继续进行下一轮训练。进一步地，步骤S1中，所述长短期记忆网络（LSTM）与注意力机制相结合的架构，具体为：在LSTM隐层输出后接入注意力层，用于动态分配不同时间步特征的权重，注意力分数的计算公式为：eα其中，ht为LSTM在t时刻的隐状态，Wa、ba进一步地，步骤S4中，所述基于Krum的异常检测算法包括：计算任意两个参与方节点上传的模型更新参数之间的欧氏距离，对于每个节点i，统计与其距离最近的n-f-2个节点的距离之和，选择距离之和最小的节点作为基准节点，并将与基准节点距离超过预设阈值的节点判定为异常节点；其中，n为参与方总数，f为最大容忍恶意节点数。进一步地，步骤S2中，本地训练集的构建还包括数据归一化处理，采用Min-Max标准化方法将负荷数据映射到[0,1]区间。本发明还提供一种基于联邦学习的分布式电力负荷预测系统，包括：中心服务器模块，用于全局模型的初始化、分发、聚合以及异常检测；参与方节点模块，部署于各区域变电站或用户侧，用于本地数据的预处理、本地模型的训练以及模型更新参数的上传；通信模块，用于中心服务器与参与方节点之间的加密传输。本发明的有益效果在于：1.隐私保护：通过联邦学习架构，各参与方仅需上传模型参数而非原始负荷数据，从根本上杜绝了用户隐私数据的泄露风险。2.高精度预测：引入基于时空相关性的动态加权聚合机制，使得全局模型能够更关注与预测目标时空特性相近的节点贡献，有效解决了Non-IID数据导致的模型精度下降问题。3.鲁棒性强：采用基于Krum的异常检测机制，能够识别并抵御恶意节点的投毒攻击，保障聚合模型的安全性。4.高效通信：结合LSTM与注意力机制，提升了模型对关键特征的提取能力，在较少的通信轮次内即可达到收敛。附图说明图1为本发明方法的整体流程图。图2为LSTM结合注意力机制的模型结构示意图。图3为基于时空相关性的权重计算逻辑示意图。【试题要求】请根据上述技术交底书，完成以下任务：1.撰写权利要求书：(1)独立权利要求应当包含解决本发明技术问题所必需的必要技术特征，并清楚地限定要求专利保护的范围。(2)适当撰写从属权利要求，以构成层次良好的保护范围。(3)若认为需要，可增加独立权利要求的数量（例如方法、系统、计算机可读存储介质等）。2.撰写说明书摘要：简要说明发明的技术领域、解决的技术问题、技术方案要点及主要用途。3.撰写说明书的“具体实施方式”部分：结合附图（文字描述附图标记即可，无需绘图），对发明的优选实施方式进行详细描述，该部分应当包含实现发明所必不可少的技术细节，特别是权利要求中提到的数学公式、算法逻辑的具体解释。第二部分无效宣告请求及答复【案情介绍】请求人张三于2026年5月20日针对专利权人李某拥有的专利号为“202310123456.7”、名称为“一种高韧性陶瓷基复合材料及其制备方法”的发明专利（以下简称“涉案专利”）向国家知识产权局提出无效宣告请求。请求人张三提交了如下证据：证据1：CN112234567A号中国发明专利申请公布说明书，公布日为2022年3月10日。证据2：US20210098765A1号美国发明专利申请公布说明书及其中文译文，公布日为2021年1月28日。请求人张三提出的无效宣告理由如下：1.涉案专利的权利要求1-3相对于证据1不具备《专利法》第22条第2款规定的新颖性。2.涉案专利的权利要求4-5相对于证据1和证据2的结合，或者相对于证据1和公知常识的结合，不具备《专利法》第22条第3款规定的创造性。3.涉案专利的权利要求6得不到说明书的支持，不符合《专利法》第26条第4款的规定。【涉案专利权利要求书】1.一种高韧性陶瓷基复合材料，其特征在于，包括基体和增强体，所述基体为氧化锆陶瓷，所述增强体为碳化硅晶须；所述碳化硅晶须在基体中的体积分数为10%-30%，所述碳化硅晶须的长径比为10-20；所述氧化锄陶瓷中掺杂有3mol%-8mol%的氧化钇稳定剂。2.如权利要求1所述的高韧性陶瓷基复合材料，其特征在于，所述碳化硅晶须的表面包覆有氮化硼层，所述氮化硼层的厚度为50nm-200nm。3.如权利要求1所述的高韧性陶瓷基复合材料，其特征在于，所述氧化锆陶瓷中掺杂有纳米氧化铝颗粒，所述纳米氧化铝颗粒的粒径为20nm-50nm，含量为基体体积的1%-5%。4.一种如权利要求1-3任一项所述的高韧性陶瓷基复合材料的制备方法，其特征在于，包括以下步骤：(1)将碳化硅晶须、氧化锆粉体、氧化钇粉体及溶剂混合球磨，得到浆料；(2)将浆料干燥后过筛，得到复合粉体；(3)将复合粉体进行热压烧结，烧结温度为1500℃-1600℃，压力为20MPa-30MPa，保温时间为1h-2h。5.如权利要求4所述的制备方法，其特征在于，步骤(3)中，所述热压烧结的升温速率为5℃/min-10℃/min。6.如权利要求4所述的制备方法，其特征在于，步骤(1)中，所述球磨的转速为300rpm-800rpm，球磨时间为6h-24h。【证据内容摘录】证据1公开了一种氧化锆基复合材料，具体涉及一种用于切削刀具的耐磨材料。证据1记载如下：该材料包括氧化锆基体和碳化硅晶须增强体。碳化硅晶须的加入量（体积分数）为15%。氧化锆基体中含有3mol%的氧化钇作为稳定剂（即3Y-TZP）。碳化硅晶须的长径比约为15。该材料通过热压烧结制备，烧结温度为1550℃，压力为25MPa。证据2公开了一种陶瓷增强体的表面处理技术。证据2记载如下：为了改善陶瓷增强体与基体的界面结合，防止高温下界面反应，可以在碳化硅晶须表面化学气相沉积（CVD）一层氮化硼。氮化硼层厚度优选为100nm。经过氮化硼包覆的晶须能够显著提高复合材料的抗热震性能。【其他公知常识】在陶瓷制备领域，为了提高粉体的混合均匀性，通常采用球磨工艺，球磨转速一般在200-1000rpm之间，球磨时间一般在4-48小时之间，这些参数属于常规工艺选择，无需创造性劳动。【试题要求】假设你是专利权人李某的代理师，请针对请求人张三的无效宣告请求，撰写一份无效宣告请求答复意见书。具体要求：1.针对请求人提出的各项无效理由进行反驳，论述涉案专利权利要求1-6具备新颖性和/或创造性，以及权利要求6能够得到说明书的支持。2.答复意见应当逻辑清晰、有理有据，引用法律条款准确。3.结合案情，分析证据1和证据2公开的内容，并说明涉案专利与证据的区别及其带来的技术效果。4.如有计算题，请使用LaTex公式展示。参考答案及解析第一部分专利撰写【参考答案】权利要求书：1.一种基于联邦学习的分布式电力负荷预测方法，其特征在于，包括以下步骤：S1、系统初始化：中心服务器构建全局神经网络模型，并将全局模型参数分发给各参与方节点；各参与方节点接收全局模型参数，利用本地历史负荷数据及对应的气象数据、时间特征数据构建本地训练集；S2、本地模型训练：各参与方节点基于接收到的全局模型参数初始化本地模型，利用本地训练集对本地模型进行训练，得到本地模型更新参数及本地模型损失值；S3、基于时空相关性的权重计算：中心服务器接收各参与方节点上传的本地模型更新参数，计算各参与方节点与当前预测任务的相关性权重；S4、安全聚合与异常检测：中心服务器利用基于Krum的异常检测算法对上传的本地模型更新参数进行筛选，剔除被判定为恶意的异常更新参数；对于筛选后的正常更新参数，利用步骤S3计算得到的综合权重进行加权平均聚合，生成新的全局模型参数；S5、模型更新与迭代：中心服务器将新的全局模型参数分发给各参与方节点，并判断全局模型损失值是否小于预设阈值或达到预设迭代次数；若满足条件，则停止训练并输出最终的全局预测模型；否则，返回步骤S2继续进行下一轮训练。2.如权利要求1所述的方法，其特征在于，步骤S1中，所述全局神经网络模型采用长短期记忆网络（LSTM）与注意力机制相结合的架构。3.如权利要求2所述的方法，其特征在于，所述注意力机制中注意力分数的计算公式为：eα其中，ht为LSTM在t时刻的隐状态，Wa、ba4.如权利要求1所述的方法，其特征在于，步骤S3中，综合权重wiw其中，dspace为参与方节点与目标预测区域的空间距离，dtime为参与方节点最近一次上传数据的时序相似度距离，α为空间权重调节系数，λ和5.如权利要求1所述的方法，其特征在于，步骤S4中，所述基于Krum的异常检测算法包括：计算任意两个参与方节点上传的模型更新参数之间的欧氏距离，对于每个节点，统计与其距离最近的n-f-2个节点的距离之和，选择距离之和最小的节点作为基准节点，并将与基准节点距离超过预设阈值的节点判定为异常节点；其中，n为参与方总数，f为最大容忍恶意节点数。6.如权利要求1所述的方法，其特征在于，步骤S2中，本地训练集的构建还包括数据归一化处理，采用Min-Max标准化方法将负荷数据映射到[0,1]区间。7.一种基于联邦学习的分布式电力负荷预测系统，其特征在于，包括：中心服务器模块，用于执行如权利要求1-6任一项所述方法中中心服务器执行的步骤；参与方节点模块，用于执行如权利要求1-6任一项所述方法中参与方节点执行的步骤；通信模块，用于中心服务器与参与方节点之间的加密传输。8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6任一项所述的方法的步骤。说明书摘要：本发明公开了一种基于联邦学习的分布式电力负荷预测方法及系统，涉及电力数据处理技术领域。该方法包括：中心服务器构建全局模型并分发给各参与方；参与方利用本地数据训练模型并上传更新参数；中心服务器基于时空相关性计算各节点的权重，并利用Krum算法进行异常检测剔除恶意参数；最后利用加权平均聚合生成新的全局模型，直至模型收敛。本发明通过联邦学习架构保护了用户数据隐私，利用时空相关性加权聚合解决了Non-IID数据导致的精度下降问题，并引入Krum算法提高了系统的鲁棒性，适用于智能电网的精准负荷预测。具体实施方式：如图1所示，本发明提供了一种基于联邦学习的分布式电力负荷预测方法，该方法主要由中心服务器和多个参与方节点（如区域变电站、智能电表终端）协同执行。具体实施步骤如下：在步骤S1中，系统进行初始化。中心服务器构建一个全局神经网络模型。为了提高对时间序列数据的预测精度，本实施例优选采用如图2所示的长短期记忆网络（LSTM）与注意力机制相结合的架构。LSTM能够捕捉长期的依赖关系，而注意力机制能够帮助模型关注对当前预测最重要的时间步。中心服务器将初始的全局模型参数wglobal通过加密通道分发给各注册的参与方节点i（i=1,2,...,N）。各参与方节点接收到参数后，加载本地存储的历史负荷数据Dx随后，将处理后的数据与对应的气象数据（温度、湿度）和时间特征（小时星期、节假日标识）组合，构建本地训练集。在步骤S2中，进行本地模型训练。各参与方节点利用下载的全局模型参数初始化本地模型Mlocal。设定本地训练轮数E和学习率η，利用本地训练集对Mlocal进行训练。训练完成后，计算本地模型在验证集上的损失值Lossi，并计算模型更新参数Δw在步骤S3中，中心服务器执行基于时空相关性的权重计算。由于电力负荷具有极强的时空特性，距离预测目标区域越近、用电习惯越相似的节点，其模型参数参考价值越高。中心服务器根据节点ID获取其地理位置坐标(lati,loni)，计算与目标预测区域坐标(latw其中，α为调节因子，取值范围为[0,1]，用于平衡空间和时间权重。λ和β控制衰减速度。在步骤S4中，进行安全聚合与异常检测。为了防止恶意节点上传错误的模型参数（如投毒攻击），中心服务器采用基于Krum的算法进行筛选。对于n个参与方，设定最大容忍恶意节点数f。计算任意两个更新参数Δwu和Δwv的欧氏距离d(Δwu,Δwv)。对于每个节点i，计算其与其他节点距离之和最小的w在步骤S5中，模型更新与迭代。中心服务器将聚合后的新参数wglobalnew下发给各参与方。判断全局损失是否收敛（如Loss本实施例通过上述流程，在保证各参与方原始数据不出域的前提下，训练出高精度的全局负荷预测模型，有效解决了传统集中式预测的隐私和安全瓶颈。【解析】1.权利要求布局分析：权利要求1为独立方法权利要求，包含了“初始化-本地训练-时空权重计算-安全聚合-迭代更新”的完整流程，构成了保护联邦学习核心逻辑的必要技术特征。权利要求2-6为从属权利要求，进一步限定了模型结构（LSTM+Attention）、具体的数学公式（注意力分数、时空权重）、异常检测算法细节（Krum）以及数据预处理方法。这种层层递进的结构形成了良好的防御层次。权利要求7为系统权利要求，对应方法权利要求，保护了实现该方法的功能模块构架。权利要求8为存储介质权利要求，属于标准撰写，用于保护软件产品。2.技术特征处理：对于交底书中提供的数学公式，在权利要求3和4中进行了准确引用，使用LaTex格式确保了专业性。将“时空相关性权重计算”和“Krum异常检测”作为核心发明点写入独立权利要求1，因为这是区别于现有通用联邦学习（如FedAvg）的关键技术特征，解决了Non-IID数据和安全性的技术问题。3.说明书实施方式撰写：详细描述了各步骤的数据流向和处理逻辑。对公式中的参数（如α,λ,β）进行了解释，使本领域技术人员能够理解其物理意义。补充了归一化公式，虽然权利要求中未详述，但在实施方式中补充有助于支持权利要求的宽泛范围。第二部分无效宣告请求及答复【参考答案】无效宣告请求意见陈述书专利号：202310123456.7发明名称：一种高韧性陶瓷基复合材料及其制备方法请求人：张三专利权人：李某针对请求人张三于2026年5月20日对上述专利提出的无效宣告请求，专利权人现陈述意见如下：一、关于权利要求1-3的新颖性请求人认为涉案专利权利要求1-3相对于证据1不具备新颖性。专利权人对此不能认同，理由如下：《专利法》第22条第2款规定，新颖性是指该发明或者实用新型不属于现有技术，也没有任何单位或者个人就同样的发明或者实用新型在申请日以前向专利局提出过申请，并记载在申请日以后公布的专利申请文件中。证据1公开了一种氧化锆基复合材料，其公开了基体为氧化锆，增强体为碳化硅晶须，碳化硅晶须体积分数为15%，长径比约为15，氧化锆中含有3mol%氧化钇。将涉案专利权利要求1与证据1进行对比可知：权利要求1限定了“碳化硅晶须在基体中的体积分数为10%-30%”，证据1具体公开了15%，落入该范围。权利要求1限定了“碳化硅晶须的长径比为10-20”，证据1公开了约为15，落入该范围。权利要求1限定了“氧化锆陶瓷中掺杂有3mol%-8mol%的氧化钇稳定剂”，证据1公开了3mol%，落入该范围。然而，证据1并未明确公开涉案专利权利要求1中关于“氧化锆陶瓷”的具体晶型或相结构。虽然证据1提及了“3Y-TZP”（3mol%氧化钇稳定的四方氧化锆多晶体），但涉案专利权利要求1并未限定晶型，仅限定了组分范围。在组分范围完全重叠的情况下，通常认为如果证据1公开了落入该范围内的一个具体点，且该具体点能够实现相同的功能，则该范围权利要求可能不具备新颖性（在此暂且承认组分范围被公开）。但是，涉案专利权利要求2进一步限定了“所述碳化硅晶须的表面包覆有氮化硼层，所述氮化硼层的厚度为50nm-200nm”。证据1虽然公开了碳化硅晶须，但并未提及晶须表面包覆氮化硼层，更未公开其厚度。因此，权利要求2相对于证据1具备新颖性。涉案专利权利要求3进一步限定了“所述氧化锆陶瓷中掺杂有纳米氧化铝颗粒，所述纳米氧化铝颗粒的粒径为20nm-50nm，含量为基体体积的1%-5%”。证据1中并未公开在氧化锆基体中掺杂纳米氧化铝颗粒。因此，权利要求3相对于证据1具备新颖性。综上所述，权利要求2和3相对于证据1具备《专利法》第22条第2款规定的新颖性。请求人的相关理由不成立。二、关于权利要求4-5的创造性请求人认为权利要求4-5相对于证据1和证据2的结合，或者相对于证据1和公知常识的结合不具备创造性。专利权人对此不予认同，理由如下：1.关于权利要求4的创造性权利要求4要求保护一种制备方法，其步骤包括：(1)混合球磨；(2)干燥过筛；(3)热压烧结。证据1公开了该材料通过热压烧结制备，烧结温度为1550℃，压力为25MPa。这对应于权利要求4的步骤(3)。证据1虽然隐含了混合步骤，但并未明确公开“球磨”这一具体的混合工艺手段，也未公开球磨的具体参数。退一步讲，即使认为“球磨”属于制备粉体的常规手段，权利要求4的热压烧结参数限定为：烧结温度为1500℃-1600℃，压力为20MPa-30MPa，保温时间为1h-2h。证据1公开了温度1550℃（落入范围）、压力25MPa（落入范围）。然而，证据1并未公开“保温时间为1h-2h”。保温时间是影响陶瓷致密化和晶粒生长的关键工艺参数。证据1未公开该参数，本领域技术人员无法从证据1直接得出权利要求4的保温时间范围。因此，权利要求4相对于证据1具备突出的实质性特点和显著的进步，具备创造性。2.关于权利要求5的创造性权利要求5在权利要求4的基础上，进一步限定了“步骤(3)中，所述热压烧结的升温速率为5℃/min-10℃/min”。证据1虽然公开了热压烧结的温度和压力，但完全没有提及升温速率。升温速率是控制陶瓷烧结过程中热应力、避免开裂以及控制致密化动力学的重要参数。证据2虽然涉及氮化硼包覆，但其主要解决的是界面结合和抗热震性问题，并未提及烧结过程中的升温速率控制。请求人也未提供任何证据表明该升温速率是本领域的公知常识。因此，在证据1未公开升温速率的情况下，权利要求5的附加技术特征给制备工艺带来了更精确的控制，有助于获得性能更优的材料，具备创造性。综上所述，权利要求4-5具备《专利法》第22条第3款规定的创造性。三、关于权利要求6的说明书支持请求人认为权利要求6得不到说明书的支持。专利权人对此不予认同，理由如下：《专利法》第26条第4款规定，权利要求书应当以说明书为依据，清楚、简要地限定要求专利保护的范围。权利要求6限定了“步骤(1)中，所述球磨的转速为300rpm-800rpm，球磨时间为6h-24h”。虽然说明书中可能仅给出了一个或几个具体的实施例（例如转速500rpm，时间12h），但球磨转速和时间是陶瓷粉体制备过程中的常规参数。转速过低会导致混合不均匀，转速过高可能导致晶须断裂；时间过短混合不充分，时间过长可能导致晶粒过度细化或引入杂质。本领域技术人员根据说明书实施例及陶瓷制备的一般原理，可以合理概括出能够实现良好混合效果且不损伤增强体的参数范围，即300rpm-800rpm和6h-24h。该概括并未超出说明书公开的范围，也未包含不能实现发明目的的数值（例如转速10rpm或时间100h）。因此，权利要求6能够得到说明书的支持，符合《专利法》第26条第4款的规定。四、关于技术效果的进一步说明（针对权利要求2的创造性补充）虽然请求人仅对权利要求1-3提出新颖性质疑，未对权利要求2提出创造性质疑，但为了全面说明，在此指出：即使请求人后续补充理由，权利要求2相对于证据1与证据2的结合也具备创造性。证据2虽然公开了在碳化硅晶须表面包覆氮化硼，但其目的是解决界面反应和抗热震性问