【技术实现步骤摘要】
本专利技术涉及智能电网,具体为一种强化隐私保护的联邦学习光伏发电预测方法及系统。
技术介绍
1、随着全球能源需求的不断增长和可再生能源的广泛部署,智能电网作为电力系统的前沿技术,其在能源管理的效率和安全性方面扮演着至关重要的角色。在这一背景下,能源预测技术成为智能电网不可或缺的一环,它对于基础设施的合理规划、电力的有效调度、减少停电事件以及预防设备故障等方面发挥着核心作用。
2、然而,现有的能源预测方法多采用集中式数据处理模式,这种方法虽然在某些情况下有效,但也暴露出一系列问题。首先,集中式数据处理存在数据隐私泄露的潜在风险,这对于保护用户数据安全构成了挑战。其次,由于需要频繁地在不同节点间传输大量数据,这不仅增加了通信的复杂性和成本,也降低了系统的响应速度和效率。
3、特别是在用户侧的可再生能源发电预测,例如太阳能光伏发电,现有方法往往未能充分考虑诸如太阳能辐射等关键影响因素,这直接影响了预测的准确性和可靠性。此外,集中式模型训练过程中需要处理和传输大量的数据,这不仅对通信网络构成了沉重的负担,也使得系统更容易
...【技术保护点】
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,<
...【技术特征摘要】
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...
【专利技术属性】
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,
申请(专利权)人:广西电网有限责任公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。