公开(公告)号：CN116933318A

公开(公告)日：2023-10-24

申请号：CN202310943995.4

申请日：2023-07-28

Applicant: 南京工程学院

Inventor： 陈建华 ,  汤志超 ,  颜彦 ,  吴冬 ,  田源

IPC: G06F21/62 ,  G06F18/214 ,  G06F18/27 ,  G06F18/23213 ,  G06N20/00

Abstract: 一种基于联邦学习的用电数据隐私保护方法，包括：本地聚合器收集并储存实时用电数据，并进行处理分析，预测得到下一个运行周期内的实时用电数据；对预测得到的数据进行分析处理，制定出对应能源管理和隐私保护策略，在下一个运行周期内实行；预测结束后，将预测算法的局部模型上传；云端收到客户端上传的局部模型，对客户端进行聚类处理；在每个类中，采用传统分布式机器学习的聚合算法，选出客户端代表；对选择的代表重新计算权重，通过加权平均得到更新的全局模型，再将更新的全局模型发送给对应的客户端。本发明提出的方法能够尽可能快地制定出个性化的最优隐私保护和能源管理策略，在确保用户数据安全的前提下，降低运算成本和用电成本。