原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
精准的负荷预测是综合能源系统高效稳定运行的前提。长短时记忆网络
（LongShort-TermMemory,LSTM）等机器学习方法因其优异的学习能力，已在
多元负荷预测中得到了广泛应用，但是现有方法大都需要充足的负荷数据。对于
用能数据不足的综合能源系统，借助相似系统的丰富数据可以建立高精度的多元
负荷预测模型，然而，受数据安全等因素的限制，很多系统并不愿意共享自身数
据。联邦学习为处理隐私保护下的综合能源多元负荷预测问题提供了一种重要的
途径，但是现有方法依然存在用能行为相似节点（
文档评论（0）