基于联邦学习的家庭住宅用电量预测方法、介质及设备

本发明公开了一种基于联邦学习的家庭住宅用电量预测方法、介质及设备。针对多终端环境中不同数据特性导致的知识混淆问题，本发明提出了一种融合奇异谱分析与联邦学习的家庭住宅用电量预测方法，是首个在联邦学习框架下同时解决能耗预测精度和数据隐私问题的方法，能够安全有效地预测住宅能耗数据的各种分布。本发明通过使用奇异谱分析技术从住宅能耗数据中提取层次特征，使得预测模型可以更好地理解和区分各个终端的数据特性，提高跨终端的学习效果和预测准确性。同时，本发明采用双向长短期记忆神经网络进行数据局部处理，只将处理后的模型参数或学习结果共享到中央服务器，避免了数据与全局模型的直接交互，降低了训练时间和隐私泄露的风险。