一种基于跨特征联邦学习的源网荷储用多源异构数据融合方法

本发明涉及电力领域，尤其涉及一种基于跨特征联邦学习的源网荷储用多源异构数据融合方法，步骤包括以下：S1.收集参与方数据，对于参与方数据进行预处理，预处理包括异构数据特征提取、秘密生成、共享加密、模型训练与评估，对预处理后的参与方数据进行数据融合处理，得到融合后的参与方数据；S2.基于处理后的参与方数据进行解密恢复，获得更新后的全局模型参数，并将更新的全局模型参数发送给参与方生成新的参与方数据用于下一迭代。本发明的优点在于能够通过对异构数据进行特征提取，并基于同态加密和秘密共享等隐私计算技术，实现在不泄露各参与方隐私数据的前提下，对多源异构数据的安全融合，有效提高数据安全性。