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方案

技术编号:43808464 阅读:41 留言:0更新日期:2024-12-27 13:25
本发明专利技术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。本发明专利技术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,也使得系统更容易受到网络攻击和数据泄本文档来自技高网...

【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,</p>

6.如权...

【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:

网友询问留言 已有0条评论
  • 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。

1