一种基于纵向联邦学习的配电网分区母线电压预测方法技术

本发明专利技术公开一种基于纵向联邦学习的配电网分区母线电压预测方法，属于配电网分区电压预测领域；一种基于纵向联邦学习的配电网分区母线电压预测方法包括：分别选择分区母线电压和分区功率信息作为预测模型的输出和输入，并形成样本；采用基于ID的加密样本对齐技术识别所述样本；将对齐后的样本中的异常数据进行识别和替换，并对缺失数据进行填充，以完成样本数据的预处理；利用预处理后的样本数据，对基于纵向联邦学习的XGBoost模型进行训练；利用训练好的XGBoost模型进行推理，来预测分区母线电压。线电压。线电压。

【技术实现步骤摘要】
一种基于纵向联邦学习的配电网分区母线电压预测方法


[0001]本专利技术属于配电网分区电压预测领域，具体涉及一种基于纵向联邦学习的配电网分区母线电压预测方法。

技术介绍

[0002]由于主动配电网的运行收到自然环境的影响，包含大量的不确定性因素，如光伏、风力发电等，其导致有源配电网的不确定性远大于输电网，其中以电压的随机波动为甚。因此提前预知分区母线的电压，有利于改善电能质量、促进可再生能源出力、指导运行控制。分区作为配网中运行控制的最小样本，提前感知母线电压，有利于分散式控制。不同分区具有不同的主体，其所有权各不相同。在集成其他分区数据提高电压预测精度的同时，需要隐私保护技术来保证不同主体的隐私。电压控制主要分为集中式控制、分散式控制和就地控制。其中分散式控制集中了集中式控制和就地控制的优点，权衡了控制效率和控制难度。此外，分区电压控制与无功就地平衡的理念相契合，因此建立基于纵向联邦学习的配电网分区母线电压预测方法具有强烈的理论和现实依据。
[0003]目前，在配电网分区母线电压预测研究方面，国内外以开展了大量的研究，还没有建立通用的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纵向联邦学习的配电网分区母线电压预测方法，其特征在于，包括以下步骤：分别选择分区母线电压和分区功率信息作为预测模型的输出和输入，并形成样本；采用基于ID的加密样本对齐技术识别所述样本；将对齐后的样本中的异常数据进行识别和替换，并对缺失数据进行填充，以完成样本数据的预处理；利用预处理后的样本数据，对基于纵向联邦学习的XGBoost模型进行训练；利用训练好的XGBoost模型进行推理，来预测分区母线电压。2.根据权利要求1所述的一种基于纵向联邦学习的配电网分区母线电压预测方法，其特征在于，所述异常数据的处理采用3σ准则，其中σ为标准差，如果样本数据中的量测值与平均值的绝对误差大于3σ，则剔除该量测值。3.根据权利要求1所述的一种基于纵向联邦学习的配电网分区母线电压预测方法，其特征在于，所述缺失数据的处理采用三次样条插值；缺失数据的填充步骤包括：按照时间顺序排列分区母线并网点的有功功率、无功功率和电压数据，定位到数据缺失点，利用缺失位置前后的数据，通过三次样条插值拟合函数，对相应缺失时间点的数据进行填充处理，得到缺失数据填充后的时间序列数据。4.根据权利要求3所述的一种基于纵向联邦学习的配电网分区母线电压预测方法，其特征在于，差值公式为：：D(t
miss
)＝f
θ
(t
miss
) (1)式中，t
miss
为负荷数据缺失时间点，数f
θ
(x)为三次样条插值拟合函数。5.根据权利要求1所述的一种基于纵向联邦学习的配电网分区母线电压预测方法，其特征在于，模型训练的步骤包括：S41，主动方将当前分裂节点中样本对应的一阶和二阶加密梯度发送给被动方；S42，被动方根据排序后的特征值找到所有可能的分裂阈值，并将相乘梯度发送给主动方同时将分裂规则记录在本地；S43，主动方根据本地私钥解密乘法梯度，并计算分裂增益；与此同时，主动方根据明文的一阶和二阶梯计算可能的分裂增益，比较所有的分裂增益，找到最大的分裂增益；S44，...

【专利技术属性】
技术研发人员：王蓓蓓，颜剑峰，
申请(专利权)人：东南大学，
类型：发明
国别省市：