[发明专利]线损预测模型的构建方法、装置、设备和存储介质

权利要求书

1.一种线损预测模型的构建方法，其特征在于，所述方法包括：

获取联邦学习的第一参与方的第一参与模型，以及第二参与方的第二参与模型；

获取样本电网数据集，并将所述样本电网数据集确定为所述第一参与模型的第一训练样本；

获取样本天气数据集，并将所述样本天气数据集确定为所述第二参与模型的第二训练样本；

基于联邦学习的更新策略，根据所述第一训练样本和所述第二训练样本，对所述第一参与模型和所述第二参与模型进行联合训练；

根据训练完成的第一参与模型和第二参与模型，构建线损预测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于联邦学习的更新策略，根据所述第一训练样本和所述第二训练样本，对所述第一参与模型和所述第二参与模型进行联合训练，包括：

对所述样本电网数据集进行加密和哈希处理，得到所述样本电网数据集的第一哈希值；

对所述样本天气数据集进行加密和哈希处理，得到所述样本天气数据集的第二哈希值；

基于所述第一哈希值和所述第二哈希值，对所述样本电网数据集和所述样本天气数据集进行对齐；

基于所述联邦学习的更新策略，根据对齐后的第一训练样本和第二训练样本，对所述第一参与模型和所述第二参与模型进行联合训练。

3.根据权利要求1所述的方法，其特征在于，所述获取样本电网数据集，包括：

根据随机森林算法，生成填充值；

基于所述填充值，对所述初始电网数据集中的缺失值进行填充，得到所述样本电网数据集。

4.根据权利要求3所述的方法，其特征在于，所述基于所述填充值，对所述初始电网数据集中的缺失值进行填充，得到所述样本电网数据集，包括：

基于所述填充值，对所述初始电网数据集中的缺失值进行填充，得到候选电网数据集；

剔除所述候选电网数据集中的异常数据，得到所述样本电网数据集。

5.根据权利要求4所述的方法，其特征在于，所述剔除所述候选电网数据集中的异常数据，得到所述样本电网数据集，包括：

确定剔除处理后的候选电网数据集中的各维度数据，与已知线损数据之间的关联度；

基于各个关联度，从剔除处理后的候选电网数据集中，确定所述样本电网数据集。

6.一种线损预测模型的构建装置，其特征在于，所述装置包括：

获取模块，用于获取联邦学习的第一参与方的第一参与模型，以及第二参与方的第二参与模型；

第一构建模块，用于获取样本电网数据集，并将所述样本电网数据集确定为所述第一参与模型的第一训练样本；

第二构建模块，用于获取样本天气数据集，并将所述样本天气数据集确定为所述第二参与模型的第二训练样本；

训练模块，用于基于联邦学习的更新策略，根据所述第一训练样本和所述第二训练样本，对所述第一参与模型和所述第二参与模型进行联合训练；

更新模块，用于根据训练完成的第一参与模型和第二参与模型，构建线损预测模型。

7.根据权利要求6所述的线损预测模型的构建装置，其特征在于，所述训练模块，包括：

第一加密子模块，用于对所述样本电网数据集进行加密和哈希处理，得到所述样本电网数据集的第一哈希值；

第二加密子模块，用于对所述样本天气数据集进行加密和哈希处理，得到所述样本天气数据集的第二哈希值；

对齐子模块，用于基于所述第一哈希值和所述第二哈希值，对所述样本电网数据集和所述样本天气数据集进行对齐；

训练子模块，用于基于联邦学习的更新策略，根据对齐后的第一训练样本和第二训练样本，对所述第一参与模型和所述第二参与模型进行联合训练。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。