本研究では、フェデレーティッド学習(FL)を用いた分散型の短期負荷予測手法を提案している。主な内容は以下の通り。
軽量な全結合型ディープニューラルネットワークモデルをFLフレームワークに組み込むことで、個人の電力消費データの共有を最小限に抑えつつ、既存手法と同等の予測精度を達成できることを示した。
クラスタリングを組み合わせることで、各クラスタ内の世帯の特性をより良く捉えることができ、予測精度の向上につながった。
提案手法の予測精度を、複雑なモデルを用いた既存手法と比較し、同等以上の性能を示した。
提案手法をArduino Unoプラットフォームで実装し、モデルの学習と推論に必要なエネルギー消費が小さいことを確認した。
これにより、プライバシーを保護しつつ、分散型の環境で効率的に負荷予測を行うことができる。
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Abhishek Dut... ב- arxiv.org 04-05-2024
https://arxiv.org/pdf/2404.03320.pdfשאלות מעמיקות