一种基于自适应联邦标记分布学习的电力负载预测方法

本发明提出了一种基于自适应联邦标记分布学习的电力负载预测方法，涉及物联网技术领域，包括：通过终端设备持续采集电力负载数据及相关特征数据并进行数据预处理；通过高斯分布将数据预处理后的数据进行优化；客户端采用最大熵模型以KL散度与绝对值损失的加权组合为损失函数建立预测模型，并计算得到客户端的模型参数梯度；采用平均聚合算法对所有客户端的模型梯度进行聚合以得到全局参数梯度；各客户端使用全局参数梯度更新本地模型参数以完成一轮迭代，直至模型参数梯度收敛后，将电力负载数据输入收敛后的模型进行预测以输出预测结果；本发明能够提升预测精度的同时，保障了智能电网数据的安全性与可靠性。