基于混沌-同态加密和联邦学习的风电预测系统及方法

本发明涉及风力发电领域，特别是涉及基于混沌‑同态加密和联邦学习的风电预测系统及方法，所述系统包括密钥生成端、代理端、服务端和本地客户端。本发明采用联邦学习技术，能够实现高度准确的风电预测，有助于提高风电能源的利用效率；通过混沌‑同态加密技术，严格保护本地数据，不会泄露敏感信息，确保数据在本地客户端的安全性与隐私性；鼓励利益相关者之间的合作，共同构建了本地客户端和云服务端之间的风电预测系统，有助于促进风电场的高效并网以及现代能源系统中数据的高效利用和共享，解决了现有风电预测系统中存在的敏感数据隐私泄露风险和安全性不足的问题。