北京因乎智电科技有限公司

本发明涉及计算机技术领域，尤其涉及一种基于深度学习的电力市场负荷和电价的预测方法及装置。本发明获取目标预测区域的历史及实时的电力负荷数据和关联影响因子数据；其中，关联影响因子数据包括气象数据、时间周期数据和电力市场交易数据；将电力负荷数据和关联影响因子数据输入到预设的电力负荷预测模型中，得到电力负荷的预测结果；其中，电力负荷预测模型是通过对改进型的深度学习网络进行训练得到的，改进型的深度学习网络包括依次连接的卷积特征提取网络、注意力机制网络、时段权重弱化网络、LSTM时序记忆网络和全连接输出网络，如此，本发明准确地对电力市场负荷进行预测。

本发明公开了一种电力物联网环境下的数据安全多方协同防护方法及装置，属于电力物联网及数据安全技术领域。方法包括：实时采集节点的多维状态数据；解析安全协同任务请求对应的安全信任阈值与资源需求参数，从多个协同计算节点中筛选出满足条件的多个参与节点；获取多个参与节点的实时进程计算难度特征值，并基于实时进程计算难度特征值计算任意两个参与节点之间的计算机间差异度；根据计算机间差异度与预设的动态聚类阈值，将所有参与节点动态划分为多个互不重叠的计算机集合，并控制各计算机集合执行与安全协同任务请求相匹配的差异化安全多方计算策略。本发明能够在保障电力数据隐私安全基础上，提高多方协同计算的执行效率与响应速度。