联邦学习框架下的云边协同工业电能消耗预测
Cloud-edge collaborative industrial electricity consumption forecasting under federated learning frame作者机构：国网衢州供电公司衢州324000 国网绍兴供电公司绍兴312000 浙江华云电力实业集团有限公司杭州310008 中国计量大学信息工程学院杭州310018
出 版 物：《制造业自动化》 (Manufacturing Automation)
年 卷 期：2024年第46卷第4期
页 面：23-28页
学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
主 题：联邦学习 长短期记忆神经网络 工业电能消耗 时间序列预测
摘 要：工业企业是能源消费大户,对工业用电量进行短期预测既有助于电力系统及时进行能源调度和平衡管理,也有利于工业企业优化生产计划和能源结构,提高能源利用率。然而,随着信息安全和数据保护要求的不断提高,现有的集中训练预测模型面临着无法获取大量用户数据的问题。基于云边协同系统架构,提出了一种结合联邦学习框架和长短期记忆神经网络的方法应用于工业企业电能消耗预测,旨在实现数据隐私保护和准确预测的目标。根据五个不同工业企业电能消耗数据的实验结果,该方法表现出较强的泛化能力,其整体预测的平均绝对百分比误差结果优于多个现有深度学习模型,在不共享原始数据的情况下,实现了更高效的数据处理和模型训练。
维普期刊数据库
同方期刊数据库