首页|期刊导航|电力系统自动化|基于纵向联邦学习的短期风电功率协同预测方法

基于纵向联邦学习的短期风电功率协同预测方法

赵寒亭张耀霍巍王建学吴峰张衡

电力系统自动化2023，Vol.47Issue(16)：44-53,10.

电力系统自动化2023，Vol.47Issue(16)：44-53,10.DOI:10.7500/AEPS20221229004

基于纵向联邦学习的短期风电功率协同预测方法

Collaborative Forecasting Method for Short-term Wind Power Based on Vertical Federated Learning

赵寒亭 ¹张耀 ¹霍巍 ¹王建学 ¹吴峰 ²张衡²

作者信息

1. 西安交通大学电气工程学院,陕西省西安市 710049
2. 大航有能电气有限公司,江苏省扬中市 212211
折叠

摘要

关键词

风电预测/岭回归/k近邻算法/梯度下降/纵向联邦学习/分布式优化

Key words

wind power forecasting/ridge regression/k-nearest neighbor algorithm/gradient descent/vertical federated learning/distributed optimization

引用本文复制引用

赵寒亭,张耀,霍巍,王建学,吴峰,张衡..基于纵向联邦学习的短期风电功率协同预测方法[J].电力系统自动化,2023,47(16):44-53,10.

基金项目

国家自然科学基金资助项目(51907151) （51907151）

陕西省自然科学基础研究计划资助项目(2023-JC-QN-0391). （2023-JC-QN-0391）

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