声明
摘要
1.1选题背景及研究意义
1.2国内外研究现状
1.3课题研究内容及主要工作
1.4本章小结
第2章联邦学习及负荷预测算法的理论基础
2.1机器学习
2.2分布式学习
2.3联邦学习
2.3.1联邦学习概述
2.3.2联邦学习中的安全问题
2.4隐私保护方法
2.4.1加密类方法
2.4.2扰动类方法
2.5负荷预测
2.6本章小结
第3章基于联邦学习的电力物联网短期负荷预测模型
3.1引言
3.2联邦学习
3.2.1梯度优化算法
3.2.2参数更新算法
3.3系统模型
3.3.1整体架构
3.3.2训练流程
3.4基于联邦学习的短期负荷预测算法
3.4.1数据预处理
3.4.2初始模型生成
3.4.3本地模型训练
3.4.4整体模型更新
3.5本章小结
第4章基于差分隐私算法的联邦学习隐私保护模型
4.1引言
4.2生成式对抗网络
4.2.1原始的极大极小博弈
4.2.2非饱和博弈
4.2.3最大似然博弈
4.3基于差分隐私的联邦学习算法
4.3.1整体架构
4.3.2训练流程
4.3.3差分隐私算法
4.4基于差分隐私算法的联邦学习隐私保护模型
4.4.1模型训练
4.4.2属性加密
4.5本章小结
第5章实验和结果分析
5.1仿真数据及过程
5.1.1实验环境
5.1.2数据集的介绍
5.1.3仿真过程
5.2预测评价指标
5.3实验结果分析
5.3.1负荷预测结果分析
5.3.2恶意重构数据
5.3.3安全性验证
5.4时间复杂度
5.5本章小结
6.1总结
6.2展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢
华北电力大学华北电力大学(北京);