一种强化隐私保护的联邦学习光伏发电预测方法及系统与流程

文档序号:40457909发布日期:2024-12-27 09:23阅读:来源:国知局

技术特征:

1.一种强化隐私保护的联邦学习光伏发电预测方法,其特征在于,包括:

2.如权利要求1所述的强化隐私保护的联邦学习光伏发电预测方法,其特征在于:所述构建ann-lstm预测模型包括,

3.如权利要求2所述的强化隐私保护的联邦学习光伏发电预测方法,其特征在于:所述lstm单元的输入输出表达式如下:

4.如权利要求3所述的强化隐私保护的联邦学习光伏发电预测方法,其特征在于:所述利用内积函数加密保护中央服务器和各终端的数据传输包括,

5.如权利要求4所述的强化隐私保护的联邦学习光伏发电预测方法,其特征在于:所述初始化阶段包括,

6.如权利要求5所述的强化隐私保护的联邦学习光伏发电预测方法,其特征在于:所述加密阶段包括,

7.如权利要求6所述的强化隐私保护的联邦学习光伏发电预测方法,其特征在于:所述聚合和解密阶段包括,

8.一种采用如权利要求1~7任一所述的强化隐私保护的联邦学习光伏发电预测方法的系统,其特征在于,包括:

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的强化隐私保护的联邦学习光伏发电预测方法的步骤。

10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的强化隐私保护的联邦学习光伏发电预测方法的步骤。


技术总结
本发明公开了一种强化隐私保护的联邦学习光伏发电预测方法及系统,涉及智能电网技术领域,包括:收集并预处理光伏电站的多源数据;构建ANN‑LSTM预测模型,设计ANN‑LSTM预测模型的结构和超参数;将ANN‑LSTM预测模型部署到中央服务器和各终端,中央服务器更新ANN‑LSTM预测模型,各终端更新ANN‑LSTM预测模型的权重参数;利用内积函数加密保护中央服务器和各终端的数据传输;采用基于阈值比较的参数更新策略,使变化量大于阈值的ANN‑LSTM预测模型参数传输到中央服务器。本发明设计了一个有效的内积函数加密来实现安全的数据聚合,通过在联邦学习训练期间加密终端的模型参数来保护隐私,采用基于阈值的参数更新策略方法来更新本地模型的参数,解决通信效率低的问题。

技术研发人员:俞小勇,原吕泽芮,李克文,喻磊,陈千懿,秦丽文,刘胤良,廖鹉嘉,段舒尹,陈卫东,林心昊,张龙飞,刘通,陈绍南,覃宗涛
受保护的技术使用者:广西电网有限责任公司电力科学研究院
技术研发日:
技术公布日:2024/12/26
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1