一种客户基线负荷预估方法、系统、设备及介质

本申请公开了一种客户基线负荷预估方法、系统、设备及介质，在每个客户节点上通过训练个性化的Transformer模型，确保自注意力层参数只在本地进行更新，而不在全局范围内共享。这种方式能够精确捕捉每个客户的负荷模式，并提升预测准确性。并且通过在服务器端引入超网络来生成每个客户的个性化嵌入，这些嵌入用于生成个性化自注意力层参数，从而提升模型在处理不同客户数据时的泛化能力和鲁棒性。进一步地，通过改进的联邦学习框架，实现模型参数的分布式训练和聚合，既保护客户数据隐私，又提升系统的计算效率和通信效率。从而解决了现有技术预测准确性和数据隐私度较低、且通信开销较高的问题。