基于张量分解个性化联邦学习的超短期负荷预测方法、系统及存储介质

本发明涉及一种基于张量分解个性化联邦学习的超短期负荷预测方法、系统及存储介质，包括：构建超短期负荷预测全局模型并将其广播给客户端作为各客户端的个性化模型；使用CP张量分解对个性化模型参数进行特征提取与压缩，得到各客户端的张量本地模型；设计张量分解个性化联邦学习超短期负荷预测模型目标函数；设计张量分解个性化联邦学习超短期负荷预测模型训练策略，在客户端对个性化模型进行训练，通过最小化目标函数更新个性化模型参数并解耦张量本地模型；设计集成张量聚合策略各客户端向服务器传递训练更新后的张量本地模型参数。本发明通过模型参数矩阵降维，减少通信开销，提升模型训练速度与模型泛化能力，具有线性加速的前沿收敛性。