申请/专利权人:北京邮电大学
申请日:2023-11-29
公开(公告)日:2024-03-22
公开(公告)号:CN117748471A
主分类号:H02J3/00
分类号:H02J3/00;H02J3/38;G06Q10/04;G06Q10/0631;G06Q50/06;G06N3/098
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明提供一种微电网场景下基于联邦学习的电网净负荷预测方法及装置,包括:获取每一联邦学习本地节点上传的局部参数;基于所述局部参数对微电网净负荷预测模型的参数进行聚合,得到全局参数;将所述全局参数发送至联邦学习本地节点,所述全局参数用于确定训练好的微电网净负荷预测模型,训练好的微电网净负荷预测模型用于预测微电网场景下的电网净负荷。本发明提供的微电网场景下基于联邦学习的电网净负荷预测方法及装置,通过搭建联邦学习架构对各个用电节点的净负荷进行预测,在保障整体系统的数据安全的同时有力地支撑了智能电网进行统一调配,提高了对微电网场景下电网净负荷预测结果的精准度。
主权项:1.一种微电网场景下基于联邦学习的电网净负荷预测方法,其特征在于,应用于联邦学习聚合节点,包括:获取每一联邦学习本地节点上传的局部参数;基于所述局部参数对微电网净负荷预测模型的参数进行聚合,得到全局参数;将所述全局参数发送至联邦学习本地节点,所述全局参数用于确定训练好的微电网净负荷预测模型,训练好的微电网净负荷预测模型用于预测微电网场景下的电网净负荷。
全文数据:
权利要求:
百度查询: 北京邮电大学 微电网场景下基于联邦学习的电网净负荷预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。