[发明专利]线损预测模型的构建方法、装置、设备和存储介质

说明书

本申请涉及人工智能技术领域，特别是涉及一种线损预测模型的构建方法、装置、设备和存储介质。该方法包括：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，并将样本电网数据集确定为第一参与模型的第一训练样本；获取样本天气数据集，并将样本天气数据集确定为第二参与模型的第二训练样本；基于联邦学习的更新策略，根据第一训练样本和第二训练样本，对第一参与模型和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。本申请能够提高构建神经网络模型的过程中的数据安全性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种线损预测模型的构建方法、装置、设备和存储介质。

背景技术

电网线损预测是在一定精度范围内预测或评估未来电网线损情况，线损的波动不仅受到电网数据的影响，还与当地的天气状况息息相关。

因此，一个台区的线损一般会随着各种因素的变化而变化，包括周遭环境的变化以及负荷的增减，当前对电网线损的预测方法包括神经网络模型算法、传统公式算法，以及神经网络模型与传统公式结合的算法。

目前，在对神经网络模型进行训练时，需要综合电网数据和天气数据进行训练，但是电网数据和天气数据隶属于不同数据源，在模型训练过程中的数据安全性难以得到保证。

发明内容

基于此，有必要针对上述技术问题，提供一种能够在构建神经网络模型的过程中提高数据安全性的线损预测模型的构建方法、装置、设备和存储介质。

第一方面，本申请提供了一种线损预测模型的构建方法，该方法包括：

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，并将样本电网数据集确定为第一参与模型的第一训练样本；

获取样本天气数据集，并将样本天气数据集确定为第二参与模型的第二训练样本；

基于联邦学习的更新策略，根据第一训练样本和第二训练样本，对第一参与模型和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。

在其中一个实施例中，基于联邦学习的更新策略，根据第一训练样本和第二训练样本，对第一参与模型和第二参与模型进行联合训练，包括：

对样本电网数据集进行加密和哈希处理，得到样本电网数据集的第一哈希值；

对样本天气数据集进行加密和哈希处理，得到样本天气数据集的第二哈希值；

基于第一哈希值和第二哈希值，对样本电网数据集和样本天气数据集进行对齐；

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，对第一参与模型和第二参与模型进行联合训练。

在其中一个实施例中，

获取样本电网数据集，包括：

根据随机森林算法，生成填充值；

基于填充值，对初始电网数据集中的缺失值进行填充，得到样本电网数据集。

在其中一个实施例中，

基于填充值，对初始电网数据集中的缺失值进行填充，得到样本电网数据集，包括：

基于填充值，对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；

剔除候选电网数据集中的异常数据，得到样本电网数据集。

在其中一个实施例中，剔除候选电网数据集中的异常数据，得到样本电网数据集，包括：