【技术实现步骤摘要】
本专利技术属于计算机科学、信息技术与电力方法技术交叉领域，具体涉及一种面向不可靠通信环境的隐私保护联邦学习方法及其在新能源异构数据网络中的应用。
技术介绍
1、新型电力方法作为能源转型的核心载体，其智能化发展依赖于海量电力终端数据的深度挖掘。光伏逆变器、储能ems、智能电表等设备产生的时序数据，是支撑新能源预测、负荷管理等智能应用的关键。然而，当前数据处理面临两大挑战：一是隐私保护与模型效能的平衡难题，二是分布式环境下的通信效率瓶颈。
2、传统集中式方法需上传原始数据，既违反《电力数据安全管理规范》的本地化要求，又因网络不稳定导致传输失败。此外，电力数据的时空异质性使得集中训练模型泛化性不足。
3、联邦学习虽提供分布式解决方案，但在实际应用中仍存在关键问题：终端设备算力有限，难以支持复杂模型训练；设备动态接入易引发灾难性遗忘；现有隐私保护机制(如差分隐私)采用静态参数，无法适应电力数据的动态变化。尤其在需求响应等时效性场景中，如何满足gdpr级隐私要求的同时实现高效持续学习，成为技术难点。
4、现有方...
【技术保护点】
1.一种面向新能源主体电力系统的隐私保护联邦基础模型持续学习方法，所述方法依靠云端即电力中心服务器及新能源主体客户端来实现，其特征在于，包括四个阶段，分别是初始化阶段S1，通信可靠性评估并动态选择新能源主体客户端阶段S2，隐私保护处理阶段S3，模型聚合更新阶段S4；其中，
2.根据权利要求1所述一种面向新能源主体电力系统的隐私保护联邦基础模型持续学习方法，其特征在于，所述步骤2-1中计算数据稳定性得分步骤具体包括如下：
3.根据权利要求1所述一种面向新能源主体电力系统的隐私保护联邦基础模型持续学习方法，其特征在于，步骤2-2中，所述由云端归一化...
【技术特征摘要】
1.一种面向新能源主体电力系统的隐私保护联邦基础模型持续学习方法，所述方法依靠云端即电力中心服务器及新能源主体客户端来实现，其特征在于，包括四个阶段，分别是初始化阶段s1，通信可靠性评估并动态选择新能源主体客户端阶段s2，隐私保护处理阶段s3，模型聚合更新阶段s4；其中，
2.根据权利要求1所述一种面向新能源主体电力系统的隐私保护联邦基础模型持续学习方法，其特征在于，所述步骤2-1中计算数据稳定性得分步骤具体包括如下：
3.根据权利要求1所述一种面向新能源主体电力系统的隐私保护联邦基础模型持续学习方法，其特征在于，步骤2-2中，所述由云端归一化确定参与权重，进而确定新能源主体客户端选择概率，具体步骤如下：
4.根据权利要求1所述一种面向新能源主体电力系统的隐私保护联邦基础模型持续学习方法，其特征在于：所述隐私...
【专利技术属性】
技术研发人员：王虎，薛风华，庞吉年，韩少华，王秀茹，耿志远，苗霁，兰英，许虎，蒋玮，许智祺，
申请(专利权)人：国网江苏省电力有限公司宿迁供电分公司，
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。