一种基于多尺度时序模型和联邦学习的区域电量预测方法

本发明属于区域电量预测技术领域，公开一种基于多尺度时序模型和联邦学习的区域电量预测方法，包括：构建多尺度时序模型，并用横向联邦学习训练模型，模型包括依次连接的输入嵌入模块、编码器以及解码器；用联合特征分析方法构建历史用电量特征序列，将特征序列输入至训练后的模型，输入嵌入模块将特征序列从观测空间映射到潜在空间；编码器提取潜在周期特征、潜在趋势特征及水平特征；解码器外推得到用电量的未来周期表示、未来趋势表示及未来水平表示，并将三个未来表示进行融合得到区域用电量的预测值。利用多尺度时序模型充分分解输入序列，充分利用数据资源提升预测精度，同时模型利用联邦学习训练，在保证预测精度的同时有效保护数据隐私。