← 返回列表
基于横向联邦学习的能源聚合服务商负荷预测方法及系统
申请人信息
- 申请人:华南理工大学
- 申请人地址:510640 广东省广州市天河区五山路381号
- 发明人: 华南理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于横向联邦学习的能源聚合服务商负荷预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311535675.1 |
| 申请日 | 2023/11/16 |
| 公告号 | CN117350439A |
| 公开日 | 2024/1/5 |
| IPC主分类号 | G06Q10/04 |
| 权利人 | 华南理工大学 |
| 发明人 | 宋瑜辉; 黄一川; 荆朝霞 |
| 地址 | 广东省广州市天河区五山路381号 |
摘要文本
华南理工大学获取“一种透气窗帘布”专利技术，本发明公开了一种基于横向联邦学习的能源聚合服务商负荷预测方法及系统，基于FedAvg横向联邦学习框架与PCA‑BP神经网络模型实现数据隐私安全下能源聚合服务商的负荷预测，数据和模型参数分别放置于各终端用户的本地服务器和能源聚合服务商的中央服务器中，本地服务器使用PCA‑BP神经网络模型对终端用户进行负荷预测并计算均方根误差RMSE；中央服务器采用FedAvg算法聚合所有本地服务器的加权平均损失并更新PCA‑BP神经网络模型参数；通过本地服务器和中央服务器的有限次交互，确保严格遵守数据安全和隐私协议，减少了模型数量和时间消耗，从而在不损害用户数据隐私的情况下实现了准确的负荷预测。
专利主权项内容
1.基于横向联邦学习的能源聚合服务商负荷预测方法，其特征在于，该方法是基于FedAvg横向联邦学习框架与PCA-BP神经网络模型实现数据隐私安全下能源聚合服务商的负荷预测，其中，数据和模型参数分别放置于各终端用户的本地服务器和能源聚合服务商的中央服务器中，本地服务器使用PCA-BP神经网络模型对终端用户进行负荷预测并计算均方根误差RMSE，该PCA-BP神经网络模型是在原来BP神经网络模型的基础上基于PCA算法提取主要特征，剔除聚合商用户本地数据集的无用和冗余特征；中央服务器采用FedAvg算法聚合所有本地服务器的加权平均损失并更新PCA-BP神经网络模型的参数；通过本地服务器和中央服务器的有限次交互，确保严格遵守数据安全和隐私协议，在不损害用户数据隐私的情况下实现了准确的负荷预测。