首页|期刊导航|电力系统自动化|电表数据隐私保护下的联邦学习行业电力负荷预测框架

电表数据隐私保护下的联邦学习行业电力负荷预测框架

王蓓蓓朱竞王嘉乐马琎劼

电力系统自动化2023，Vol.47Issue(13)：86-93,8.

电力系统自动化2023，Vol.47Issue(13)：86-93,8.DOI:10.7500/AEPS20220321016

电表数据隐私保护下的联邦学习行业电力负荷预测框架

Federated-learning Based Industry Load Forecasting Framework Under Privacy Protection of Meter Data

王蓓蓓 ¹朱竞 ¹王嘉乐 ²马琎劼³

作者信息

1. 东南大学电气工程学院,江苏省南京市 210096
2. 东南大学网络空间安全学院,江苏省南京市 211189
3. 国网江苏省电力有限公司营销部,江苏省南京市 210000
折叠

摘要

关键词

长短期时间序列网络/负荷预测/联邦学习/FedML框架/隐私保护

Key words

long-and short-term time-series network(LSTNet)/load forecasting/federated learning/FedML framework/privacy protection

引用本文复制引用

王蓓蓓,朱竞,王嘉乐,马琎劼..电表数据隐私保护下的联邦学习行业电力负荷预测框架[J].电力系统自动化,2023,47(13):86-93,8.

基金项目

教育部人文社科一般项目资助(面向多场景社会经济发展评价的电力数据价值深度挖掘方法研究,21YJAZH083).This work is supported by General Humanities and Social Sciences Research Project of the Ministry of Education(No.21YJAZH083). （面向多场景社会经济发展评价的电力数据价值深度挖掘方法研究,21YJAZH083）

电力系统自动化

OA北大核心CSCDCSTPCD

ISSN：1000-1026

访问量0

下载量0

段落导航