本发明公开了一种智能电网双重采样优化的差分隐私联邦学习方法，包括：S1.中央控制服务器初始化联邦学习全局模型参数以及每轮迭代选取的MEC服务器数量；S2.对MEC服务器预采样，选择MEC服务器用于本地训练，获得局部模型参数；S3.收集预采样MEC服务器的局部模型参数，生成二次采样权重；S4.在预采样的MEC服务器中，中央控制服务器二次采样，选择MEC服务器的本地局部参数，生成本轮迭代的全局参数；S5.若迭代次数达到阈值，广播全局模型参数，否则重复步骤S2‑S4，进行下一轮迭代。
📄 2024103109156
📂 G06N20_00
👤 南京邮电大学
📅 2024-03-19
本发明公开了基于联邦学习的跨区域光伏发电功率预测方法，属于光伏发电预测技术领域，所述预测方法包括以下步骤：每个参与光伏发电功率预测的区域对应一个参与者，并且部署一台服务器用于跨区域参数聚合；服务器向各参与者分发初始化光伏预测全局模型；参与者使用本地数据来优化本地模型参数；参与者的光伏预测模型在本地进行掩码聚合；参与者优化光伏预测中的可学习掩码参与者将光伏模型参数发送给服务器，服务器检测异常模型后计算剩余模型的参数平均值作为新全局模型；重复，直到收敛或者循环到指定次数。本发明能够达成跨区域光伏数据隐私保护、发电预测精准性提升以及计算量有效控制三大核心目标。
📄 2025104644862
📂 G06F21_62
👤 南京信息工程大学
📅 2025-04-14
柿子坊 · 知识产权运营
柿子坊知识产权运营平台