一种基于联邦学习的风电功率数据隐私保护补全方法

本发明提出一种结合联邦学习和基于注意力机制的序列到序列风电功率缺失数据补全方法，称为Fed‑Attn‑Seq2Seq。首先，将含有风电功率的完整风能特征作为本地含有解码器编码器架构的Atttn‑Seq2Seq模型的输入，在编码阶段整合信息，解码时通过注意力机制的动态上下文向量抽取必要信息，逐步生成完整的风电功率序列。联邦学习框架通过在中央服务器收集并聚合网络边缘设备的模型参数，而不是传输完整数据，从而有效保护训练过程中的数据隐私并降低通信成本，具有方法科学合理、适用性强、效果佳等优点。