基于联合学习的电力负荷预测模型建立方法和装置制造方法及图纸

本公开涉及能源技术领域，提供了一种基于联合学习的电力负荷预测模型建立方法和装置。该方法包括：获取发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集；确定发起方的用电负荷数据的数据集与至少一个参与方的用电负荷数据的数据集的相似度；基于相似度，在至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，并基于发起方的用电负荷数据的数据集和至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练；根据模型训练的结果，建立电力负荷预测模型。本公开提高了电力负荷预测模型的准确性。本公开提高了电力负荷预测模型的准确性。本公开提高了电力负荷预测模型的准确性。

【技术实现步骤摘要】
基于联合学习的电力负荷预测模型建立方法和装置


[0001]本公开涉及能源
，尤其涉及一种基于联合学习的电力负荷预测模型建立方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]电力负荷预测是电力系统规划的重要组成部分，准确的电力负荷预测是电力系统高效运行的基础。
[0003]现有技术中，通常基于训练模型进行电力负荷预测。在训练模型时，可能会因为冷启动或其它原因，导致发起方的训练样本数据量不够，并进一步导致发起方建立的电力负荷预测模型的准确性较差。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种基于联合学习的电力负荷预测模型建立方法、装置、电子设备及计算机可读存储介质，以解决现有技术中因发起方的训练样本数据量不够，导致发起方建立的电力负荷预测模型的准确性较差的问题。
[0005]本公开实施例的第一方面，提供了一种基于联合学习的电力负荷预测模型建立方法，包括：获取发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集；确定发起方的用电负荷数据的数据集与至少一个参与方的用电负荷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合学习的电力负荷预测模型建立方法，包括：获取发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集；确定发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集的相似度；基于所述相似度，在所述至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，并基于所述发起方的用电负荷数据的数据集和所述至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练；根据所述模型训练的结果，建立电力负荷预测模型。2.根据权利要求1所述的方法，其特征在于，所述确定所述发起方的用电负荷数据的数据集与所述至少一个参与方的用电负荷数据的数据集的相似度，包括：分别计算所述发起方的用电负荷数据的数据集与所述至少一个参与方中的每个参与方的用电负荷数据的数据集的欧式距离，其中，所述欧式距离用于衡量所述发起方的用电负荷数据的数据集与所述参与方的用电负荷数据的数据集的相似度。3.根据权利要求2所述的方法，其特征在于，所述基于所述相似度，在所述至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，包括：基于所述欧式距离，确定所述欧式距离是否小于或等于预设距离阈值；在所述欧式距离小于或等于所述预设距离阈值的情况下，确定所述相似度大于或等于预设相似度阈值；将所述参与方的用电负荷数据的数据集中所述相似度大于或等于所述预设相似度阈值对应的用电负荷数据的数据集确定为目标方的目标用电负荷数据的数据集。4.根据权利要求2所述的方法，其特征在于，所述基于所述相似度，在所述至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，包括：基于所述欧式距离的大小，确定所述相似度的大小；根据所述相似度从大到小的顺序对全部所述参与方的用电负荷数据的数据集进行排序；选取所述排序在前的预设个数的参与方的用电负荷数据的数据集作为目标方的目标用电负荷数据的数据集。5.根据权利要求1所述的方法，其特征在于，所述基于所述发起方的用电负荷数据的数据集和所述至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练，包括：获取所述发起方的第一本地模型的模型参数和所述目标方的第二本地模型的模型参数进行横向联合学习，以得到学习参数，其中，所述第一本地模...

【专利技术属性】
技术研发人员：刘国柄，刘嘉，吕宏强，
申请(专利权)人：新智我来网络科技有限公司，
类型：发明
国别省市：