计及用户充电行为与隐私保护的联邦学习电动汽车短期充电负荷预测OA北大核心CSTPCD
随着电动汽车迅猛发展,其充电频率和日充电量急剧增高,对电网的稳定运行产生了较大冲击,因此针对电动汽车的充电负荷预测研究具有重要意义。但由于用户的充电行为数据具有隐私性,而当前研究构建的机器学习预测模型中欠缺对这一重要因素的考虑,致使预测精度不高。针对此问题,该文将用户的充电起止时间、充电全时段电池荷电状态、电池容量和用户选择的充电功率等充电行为因素考虑在内,并考虑上述用户行为数据的隐私性需求,提出了计及用户充电行为与隐私保护的联邦学习(feder…查看全部>>
杨挺;覃小兵;冯相为;许哲铭
天津大学电气自动化与信息工程学院,天津300072天津大学电气自动化与信息工程学院,天津300072天津大学电气自动化与信息工程学院,天津300072天津大学电气自动化与信息工程学院,天津300072
交通运输
电动汽车负荷预测隐私保护用户行为联邦学习损失函数
《高电压技术》 2024 (10)
P.4512-4519,I0002,9
国家重点研发计划(2022YFB2403900)国家自然科学基金(U2066213)天津市自然科学基金重点项目(21JCZDJC00640)。
评论