一种基于分层协同联邦学习的多尺度电力短期负荷预测方法

本发明提出了一种基于分层协同联邦学习的多尺度电力短期负荷预测方法，涉及电力负荷预测技术领域。首先，利用客户端对本地电力负荷数据集进行不同时长划分以构建多尺度训练集并根据轮次进行本地负荷预测模型参数更新；利用构建的多尺度训练集训练本地负荷预测模型，更新并保存本地负荷预测模型参数，提高了电力负荷预测的精度；利用服务器接收不同客户端上传的本地负荷预测模型，在服务器内，对不同客户端的负荷预测模型参数进行分层交换聚合后下发至客户端预测电力负荷数据。在本发明中，服务器对模型参数的交换聚合提高了负荷预测模型对突发性负荷波动的预测能力。