一种基于联邦学习的非侵入式企业负荷分解方法

摘要

本发明公开了一种基于联邦学习的非侵入式企业负荷分解方法，包括如下步骤：S1：负荷预测数据预处理；S2：基于空洞卷积和LSTM网络，建立本地模型；S3：服务器端基于改进的联邦学习模型实现联合训练。该种基于联邦学习的非侵入式企业负荷分解方法，基于空洞残差卷积的长短期记忆、联邦学习的模型，提出一种基于时序网络的联邦学习算法，用于解决负荷分解的数据孤岛问题。本专利算法模型既保护了用户的隐私问题，还能够将预测的速度能够大大提高。联邦学习作为一种新型的分布式机器学习，在通过分布式加密训练技术保证用户的隐私安全，提升了用户对当下人工智能技术的信任度。