一种基于联邦学习的需求响应在线激励方法及系统

本发明公开了一种基于联邦学习的需求响应在线激励方法及系统，包括：收集用户历史数据和最优激励方案；对数据进行预处理并发送至用户边缘计算设备；基于联邦学习框架结合梯度提升树训练联邦模型，生成全局初步激励方案；采用长短期记忆网络训练个性分量模型，输出全局初步激励方案的修正值；将个性分量模型修正值与联邦模型生成的初步激励方案加权融合，生成最终全局激励方案；使用测试数据集评估模型性能并优化模型参数。在线预测模块接收用户实时数据，结合离线模块，实现激励方案的在线预测。本发明利用联邦模型和个性化模型相结合的方式，在保护用户隐私的同时兼顾全局优化和个性化修正，从而生成更加精准和高效的全局激励方案。