基于联邦时空图神经网络的新型电力系统多区域负荷预测研究

李倩

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于联邦时空图神经网络的新型电力系统多区域负荷预测研究

电网技术 | 更新时间：2025-09-18

- 基于联邦时空图神经网络的新型电力系统多区域负荷预测研究
- 暂无标题
- 红水河 2025年第4期页码：101-107
- 作者机构：
  
  广西电力职业技术学院
- 作者简介：
- 基金信息：
  
  广西教育科学“十四五”规划2025年度课题(2025B096)
- DOI：
  中图分类号： TM715;TP183
- 纸质出版日期：2025
- 稿件说明：
移动端阅览
李倩. 基于联邦时空图神经网络的新型电力系统多区域负荷预测研究[J]. 红水河, 2025,(4):101-107.
李倩. 基于联邦时空图神经网络的新型电力系统多区域负荷预测研究[J]. 红水河, 2025,(4):101-107. DOI：

DOI：

摘要

针对新型电力系统多区域负荷预测中动态空间依赖建模、时间多尺度特征提取与非独立同分布(Non-IID)数据协同优化的核心挑战，笔者提出联邦时空图神经网络框架。首先，设计基于元学习的动态图结构生成器，通过多头注意力机制自适应捕捉电网拓扑演化与气象耦合效应；其次，构建双通路时序编码器，融合门控机制实现从分钟级至季节级的多尺度特征提取；最后，开发差异化联邦聚合算法，结合注意力权重分配与梯度稀疏化技术，在隐私保护前提下高效处理Non-IID数据问题。基于SGCC-East和CEPRI-South数据集的实验结果表明：1)72 h负荷预测的RMSE降至17.85 MW

相比基准模型提升7.3%;2)联邦学习总传输量降低99.8%

20个区域协同训练时间缩短65%;3)成员推理攻击成功率为31.6%(ε=0.3)

预测精度损失为1.48%。该框架可为构建安全、高效的跨区域电力协同预测体系提供关键技术支撑。

Abstract

关键词

Keywords

references

牟文浩.基于联邦学习的电力物联网数据安全聚合算法研究[D].重庆大学,2022(09).

刘燕.基于同态加密的智能电网安全数据融合技术[D].北京理工大学,2015(03).

陈莹.联邦深度学习中成员推理攻击和防御机制研究[D].西安电子科技大学,2021(04).

杜炜.联邦学习中梯度剪枝及差分隐私算法研究[D].长春工业大学,2024(03).

谢袁源.联邦学习中成员推理攻击及防御机制的研究[D].南京航空航天大学,2023(07).

雷鸣,崔晓丹,杨天舒,梁师哲,吴家龙,许剑冰.区块链技术在智能电网稳定控制系统中的应用[J].江苏大学学报(自然科学版),2021(05).

孙伟,朱世睿,杨建平,朱梦雨,李奇越.基于图卷积网络的微电网拓扑辨识[J].电力系统自动化,2022(05).

孙敏,丁希宁,成倩.基于差分隐私的联邦学习方案[J].计算机科学,2024(S1).

李宇远,于海洋.基于联邦学习模型的电力客户隐私保护方法[J].信息技术,2023(06).

王生,张和茂,王晓荣.基于CNN-LSTM-AM模型的短期电力负荷预测研究[J].电工电气,2025(05).

朱莉,高靖凯,朱春强,邓凡.基于分量感知动态图Transformer的短期电力负荷预测[J].计算机应用研究,2025(02).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

新型电力系统中边缘计算节点优化部署与实时数据处理性能提升路径探索

建设新型电力系统背景下电源调峰路线研究

新型电力系统中配网无功补偿的方法研究

新型电力系统的挑战与发展探讨

新型电力系统中变流器建设模式选择策略研究