基于联合学习的电力负荷预测模型建立方法和装置与流程

技术特征：
1.一种基于联合学习的电力负荷预测模型建立方法，包括：获取发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集；确定发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集的相似度；基于所述相似度，在所述至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，并基于所述发起方的用电负荷数据的数据集和所述至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练；根据所述模型训练的结果，建立电力负荷预测模型。2.根据权利要求1所述的方法，其特征在于，所述确定所述发起方的用电负荷数据的数据集与所述至少一个参与方的用电负荷数据的数据集的相似度，包括：分别计算所述发起方的用电负荷数据的数据集与所述至少一个参与方中的每个参与方的用电负荷数据的数据集的欧式距离，其中，所述欧式距离用于衡量所述发起方的用电负荷数据的数据集与所述参与方的用电负荷数据的数据集的相似度。3.根据权利要求2所述的方法，其特征在于，所述基于所述相似度，在所述至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，包括：基于所述欧式距离，确定所述欧式距离是否小于或等于预设距离阈值；在所述欧式距离小于或等于所述预设距离阈值的情况下，确定所述相似度大于或等于预设相似度阈值；将所述参与方的用电负荷数据的数据集中所述相似度大于或等于所述预设相似度阈值对应的用电负荷数据的数据集确定为目标方的目标用电负荷数据的数据集。4.根据权利要求2所述的方法，其特征在于，所述基于所述相似度，在所述至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，包括：基于所述欧式距离的大小，确定所述相似度的大小；根据所述相似度从大到小的顺序对全部所述参与方的用电负荷数据的数据集进行排序；选取所述排序在前的预设个数的参与方的用电负荷数据的数据集作为目标方的目标用电负荷数据的数据集。5.根据权利要求1所述的方法，其特征在于，所述基于所述发起方的用电负荷数据的数据集和所述至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练，包括：获取所述发起方的第一本地模型的模型参数和所述目标方的第二本地模型的模型参数进行横向联合学习，以得到学习参数，其中，所述第一本地模型是由所述发起方采用机器学习算法对所述发起方的用电负荷数据的数据集在本地进行训练得到的，所述第二本地模型是由所述目标方采用机器学习算法对所述目标方的目标用电负荷数据的数据集在本地进行训练得到的；向所述发起方和所述目标方发送所述学习参数，以使所述发起方基于所述学习参数更新所述第一本地模型和所述目标方基于所述学习参数更新所述第二本地模型。
6.根据权利要求5所述的方法，其特征在于，所述基于所述发起方的用电负荷数据的数据集和所述至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练，还包括：获取所述第一本地模型对应的模型权重值和所述第二本地模型对应的模型权重值，其中，所述模型权重值是基于所述用电负荷数据的数据集的样本数量和/或所述相似度预先设定的；基于所述第一本地模型的模型参数、所述第一本地模型对应的模型权重值、所述第二本地模型的模型参数和所述第二本地模型对应的模型权重值，进行横向联合学习，以得到所述学习参数。7.根据权利要求5所述的方法，其特征在于，所述根据所述模型训练的结果，建立电力负荷预测模型，包括：根据所述模型训练的结果，将迭代至满足收敛条件的第一本地模型确定为电力负荷预测模型。8.一种基于联合学习的电力负荷预测模型建立装置，其特征在于，包括：获取模块，被配置为获取发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集；确定模块，被配置为确定所述发起方的用电负荷数据的数据集与所述至少一个参与方的用电负荷数据的数据集的相似度；训练模块，被配置为基于所述相似度，在所述至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，并基于所述发起方的用电负荷数据的数据集和所述至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练；建立模块，被配置为根据所述模型训练的结果，建立电力负荷预测模型。9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

技术总结
本公开涉及能源技术领域，提供了一种基于联合学习的电力负荷预测模型建立方法和装置。该方法包括：获取发起方的用电负荷数据的数据集和至少一个参与方的用电负荷数据的数据集；确定发起方的用电负荷数据的数据集与至少一个参与方的用电负荷数据的数据集的相似度；基于相似度，在至少一个参与方的用电负荷数据的数据集中确定至少一个目标方的目标用电负荷数据的数据集，并基于发起方的用电负荷数据的数据集和至少一个目标方的目标用电负荷数据的数据集，采用横向联合学习算法进行模型训练；根据模型训练的结果，建立电力负荷预测模型。本公开提高了电力负荷预测模型的准确性。本公开提高了电力负荷预测模型的准确性。本公开提高了电力负荷预测模型的准确性。


技术研发人员：刘国柄 刘嘉 吕宏强
受保护的技术使用者：新智我来网络科技有限公司
技术研发日：2021.10.28
技术公布日：2022/2/6