面向多主體隱私保護的聯(lián)邦式電力預(yù)測劉海舟團隊概況江蘇省重大人才計劃入選者5名；45歲以下占比80%項目與獲獎項目：國家重點研發(fā)計劃7項、NSFC重點項目6項、NSFC面上/青年項目14項、重大科技支撐項目4項、獲獎：省部級獎勵8項、牽頭獲江蘇省科學(xué)技術(shù)獎一等獎2項學(xué)術(shù)成果在Nat.Commun.,IEEETrans.等高水平學(xué)術(shù)期刊上發(fā)表SCI論文150余篇，E2.1電力系統(tǒng)分布式主體數(shù)量增多，形成“數(shù)據(jù)孤島”數(shù)據(jù)共享：推動電力數(shù)據(jù)社會化共享應(yīng)用，利用電力數(shù)據(jù)為企業(yè)、政府等各類需求方提供增值服務(wù)，是南網(wǎng)響應(yīng)國家大數(shù)據(jù)戰(zhàn)略的數(shù)據(jù)隱私：個人對其個人信息的處理享有知情權(quán)、決定權(quán)，有權(quán)2.研究背景2.2打造更適配電力數(shù)據(jù)特性的聯(lián)邦預(yù)測框架■2016年谷歌提出聯(lián)邦學(xué)習(xí)，用于多設(shè)備協(xié)同建模計算■各主體獨立建模+中央模型聚合，“數(shù)據(jù)不動而模型動”錢然巽錢然巽按照數(shù)據(jù)割裂場景，分為——橫向聯(lián)邦學(xué)習(xí)(按樣本割裂)——縱向聯(lián)邦學(xué)習(xí)(按特征割裂)聯(lián)邦學(xué)習(xí)、可信計算正在快速崛起，未來將成為電力數(shù)據(jù)安全共享應(yīng)用的關(guān)鍵技術(shù)?！戏诫娋W(wǎng)《數(shù)字電網(wǎng)調(diào)度領(lǐng)域新技術(shù)成熟度報告(2022年)》用電側(cè)：多源大數(shù)據(jù)下的智慧城市聯(lián)邦負荷預(yù)測樣本維度樣本維度地區(qū)1地區(qū)2[地區(qū)2地區(qū)3(橫)地區(qū)3[儲能側(cè)：儲能側(cè)：獨立于歷史數(shù)據(jù)的廢舊電池快速分類回收Clasoftedplatbarm■改進并應(yīng)用基于梯度提升樹的聯(lián)邦式電力預(yù)測框架[1]H.Liu,X.Zhang,X.Shen,H.Sun,andM.ShahidTrans.SmartGrid,vol.14,no.3,pp.2460-2472,2023.■扎根于珠海市多源大數(shù)據(jù)智慧城市項日，需要對多個毗鄰地區(qū)開展數(shù)據(jù)驅(qū)動的負荷預(yù)測1.負荷相關(guān)電力數(shù)據(jù)在樣本(地區(qū))和特征(企業(yè))維度上都存在數(shù)據(jù)孤島2.涉及地區(qū)間耦合了共性特征與個性特征—底層算法—底層算法—二維聯(lián)邦學(xué)習(xí)提升公平性、效率縱向聯(lián)邦學(xué)習(xí)動態(tài)任務(wù)分配機制(可選)橫向聯(lián)邦學(xué)習(xí)縱向聯(lián)邦移動公司…*信息壁壘橫向聯(lián)邦執(zhí)行5.1~5.4。[2]H.Liu,X.Zhang,H.Sun,andIEEETrans.SmartGrid,vol.15,no.1.pp.973-986,2024.基值迭代#基值迭代#樹L地區(qū)合作式訓(xùn)練(共性)針對問題2:開發(fā)聯(lián)邦多任務(wù)學(xué)習(xí)框架針對問題2:開發(fā)聯(lián)邦多任務(wù)學(xué)習(xí)框架圓—底層算法—階段2:設(shè)計梯度提升多任務(wù)學(xué)習(xí)地區(qū)合作與退提升準確性、計算效二維聯(lián)邦學(xué)習(xí)/階段1:十率、合作激勵度C-(Unen,Da)<min{CS-e+1)(UneN,Dn),…,C(Unen,Dn)}+各地區(qū)本地訓(xùn)練(個性)各地區(qū)本地訓(xùn)練(個性)ForP1.收斂性：無視主體異質(zhì)性，訓(xùn)練必收斂。2.無損性：訓(xùn)練結(jié)果與中心化模型相同。3.隱私保護：橫/縱向聯(lián)邦學(xué)習(xí)分別保障了隱私性，只要跨區(qū)跨主體5.計算效率：可提升倍。聯(lián)邦多任務(wù)學(xué)習(xí)框架進一步降至0。2.計算效率：理論效率可提升2倍。二維聯(lián)邦>橫向聯(lián)邦>縱向聯(lián)邦>單地區(qū)模型■算例分析珠海市10地區(qū)的多源負荷數(shù)據(jù)集珠海市5地區(qū)地區(qū)新地區(qū)同步多任務(wù)多任務(wù)一一作)■退役電池的正極材料■退役電池的正極材料(NMC、LFP)是最有回收價值的部分—基于隨機森林和Wasserstein—基于隨機森林和Wasserstein投票機制構(gòu)建聯(lián)邦學(xué)習(xí)一無需借助歷史數(shù)據(jù)，只根據(jù)最新測得的充放電曲線進行電池分類Federatedlearmingframewo—各主體間獨立建模，無需模型/數(shù)據(jù)的直接交換，保護隱私machinelearning",vol.14,Art.no.8032,2023.(*共同一1.各電池充放電曲線測量及特征提取■充/放電曲線-Q和V的四分位值2.各主體基于RandomForest進行獨立的分類模型訓(xùn)練3.分類結(jié)果加密傳遞及基于Wasserstein距離不同電池類型的分類準確度(左：傳統(tǒng)投票，右：WD投票)聯(lián)邦學(xué)習(xí)法各類性能打分聯(lián)邦學(xué)習(xí)法各類性能打分51