摘要
本发明提供了一种基于集合函数的用电个性化用电负荷预测方法,包括边缘节点获取所属区域内各计量点的用电负荷原始数据;将用电负荷原始数据分别输入到全局模型和本地个性化模型中,得到全局模型预测值和本地个性化模型预测值;其中,边缘节点利用用电负荷原始数据对全局模型和本地个性化模型的模型参数进行迭代更新,基于更新后的模型参数更新本地个性化模型,并将全局模型的模型参数更新量发送至云端,以便云端根据各边缘节点发送的模型参数更新量更新全局模型。本发明针对不同区域用户用电模式分布差异的问题,提出基于个性化联邦学习框架来为每个区域分别建立个性化的模型,以适应不同区域差异化的用电模式,实现精准的用电负荷预测。
技术关键词
负荷预测方法
负荷预测模型
前馈神经网络
三元组
模型预测值
多头注意力机制
数据
采样点
参数
云端
电力
节点
编码向量
样本
预训练语言模型
电负荷预测
表达式
矩阵
系统为您推荐了相关专利信息
联合损失函数
核电厂设备
剩余寿命预测模型
预测误差
设备全生命周期管理
图像识别方法
标签文本
图像识别模块
图像特征提取
风格
量表
老年认知障碍
随机森林模型
评估系统
步态参数
知识图谱优化方法
网络安全态势感知
实体
序列
关系