一种强化隐私保护的联邦学习光伏发电预测方法及系统

本发明公开了一种强化隐私保护的联邦学习光伏发电预测方法及系统，涉及智能电网技术领域，包括：收集并预处理光伏电站的多源数据；构建ANN‑LSTM预测模型，设计ANN‑LSTM预测模型的结构和超参数；将ANN‑LSTM预测模型部署到中央服务器和各终端，中央服务器更新ANN‑LSTM预测模型，各终端更新ANN‑LSTM预测模型的权重参数；利用内积函数加密保护中央服务器和各终端的数据传输；采用基于阈值比较的参数更新策略，使变化量大于阈值的ANN‑LSTM预测模型参数传输到中央服务器。本发明设计了一个有效的内积函数加密来实现安全的数据聚合，通过在联邦学习训练期间加密终端的模型参数来保护隐私，采用基于阈值的参数更新策略方法来更新本地模型的参数，解决通信效率低的问题。