一种基于隐私保护分布式聚类的电力负荷预测方法及系统

本发明公开了一种基于隐私保护分布式聚类的电力负荷预测方法及系统，该方法首先提取负荷特征形成本地数据集，然后执行迭代聚类过程，在每次迭代过程中，各电力用户执行本地聚类分配生成若干个聚类，根据每个聚类中的负荷特征的局部和以及负荷特征数量计算秘密分片，根据秘密分片更新聚类中心，重新执行本地聚类分配，直至达到聚类终止条件，生成最终聚类，对每个聚类构建对应的LSTM负荷预测模型，进行电力负荷预测。本发明在保护用户电力负荷数据隐私的同时，实现了高质量的用户分群和精准负荷预测，即使部分用户不参与计算，系统也能正常运行，适用于售电公司在电力市场环境下进行用户群体划分和精细化负荷预测。