基于横向联邦学习的智能风电场风况预测方法
公开
摘要
本发明提供了一种基于横向联邦学习的智能风电场风况预测方法，属于深度学习技术领域。本发明在能够解决结合多风电场预测过程中所涉及的数据安全问题的同时，能够取得更为优异的训练效果，在训练过程能够充分利用过去的经验；本发明在即使参与者可靠性较低情况下，准确率仍能够保证；并且本发明提供的基于AutoEncoder的数据降维方法能够减少数据计算量，大幅提高运行速度。本发明在部署上相对简单，只需各个风电场将数据暴露在特定端口，模型能即拿即用。
基本信息
专利标题 ：
基于横向联邦学习的智能风电场风况预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114564731A
申请号 ：
CN202210184031.1
公开（公告）日 ：
2022-05-31
申请日 ：
2022-02-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王鹏飞魏宗正车超赵祎安张强
申请人 ：
大连理工大学
申请人地址 ：
辽宁省大连市甘井子区凌工路２号
代理机构 ：
辽宁鸿文知识产权代理有限公司
代理人 ：
隋秀文
优先权 ：
CN202210184031.1
主分类号 ：
G06F21/60
IPC分类号 ：
G06F21/60 G06F21/62 G06Q10/04 G06Q50/06 G06N3/04 G06N20/20
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F21/00
防止未授权行为的保护计算机、其部件、程序或数据的安全装置
G06F21/60
保护数据
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
