| 基于联邦学习的短期负荷预测模型协同训练方法 |
| |
| 引用本文： | 车亮,徐茂盛,崔秋实.基于联邦学习的短期负荷预测模型协同训练方法[J].湖南大学学报(自然科学版),2022,49(8):117-127. |
| |
| 作者姓名： | 车亮 徐茂盛 崔秋实 |
| |
| 作者单位： | （1. 湖南大学 电气与信息工程学院，湖南 长沙 410082； 2. 重庆大学 电气工程学院，重庆 400044） |
| |
| 摘 要： | 针对机器学习方法在电力系统短期负荷预测领域的应用过程中，存在数据样本不
足、模型泛化能力差以及数据隐私保护要求较高等问题，以气象、日期以及历史负荷数据为输
入特征，构建基于长短期记忆（Long Short-Term Memory，LSTM）网络的短期负荷预测模型，提
出基于联邦学习（Federated Learning，FL）的短期负荷预测模型协同训练方法. 通过分散训练、
中心聚合的方式对模型参数进行迭代更新，实现各负荷运营商在保证数据隐私的情况下协同
构建预测模型. 在GEFCom2012比赛的多个地区负荷数据集上进行仿真验证，结果表明，所提
方法在保证各运营商数据隐私的同时，有效提升了短期负荷预测准确率，所训练出的模型在
多场景下具有优秀的泛化能力.
|
| 关 键 词： | 数据隐私 机器学习 负荷预测 联邦学习 |
Federated Learning Based Coordinated Training Method of a
Short-term Load Forecasting Model |
| |
| CHE Liang,XU Maosheng,CUI Qiushi.Federated Learning Based Coordinated Training Method of a
Short-term Load Forecasting Model[J].Journal of Hunan University(Naturnal Science),2022,49(8):117-127. |
| |
| Authors: | CHE Liang XU Maosheng CUI Qiushi |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《湖南大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南大学学报(自然科学版)》下载免费的PDF全文 |
