祝贺《电力信息与通信技术》
蝉联中国科技核心期刊
引文信息
杨珂,朱洪斌,李达,等.基于压缩感知的纵向联邦学习园区负荷预测方法[J].电力信息与通信技术,2024,22(5):36-42.
YANG Ke,ZHU Hongbin,LI Da,et al.Load forecasting method for vertical federated learning park based on compressed sensing[J].Electric Power Information and Communication Technology,2024,22(5):36-42(in Chinese).
01
研究背景
随着数字化时代的兴起,数据在各个领域的重要性日益凸显。在工业园区中,准确预测负荷消耗直接关系到电力供应商的运营和决策,其重要性不言而喻。因此,本研究旨在探讨和分析数据驱动的工业园区电力负荷预测方法,以应对这一行业中的关键挑战,提高决策的准确性,进而促进工业园区的可持续性和稳定性。
02
主要创新点
为了实现能源数据跨行业协同应用以及提升联邦学习模型的训练效率,本文面向工业园区电力负荷预测场景提出了一种基于压缩感知的纵向联邦学习方法,旨在满足电网公司和用电企业之间数据安全和隐私保护需求的同时保证园区负荷预测的精度。该方法利用压缩感知技术对梯度进行降维压缩,从而显著减少传输的数据量。
作者介绍