基于纵向联邦学习的电力-环保协同排污预测方法

    公开(公告)号:CN118071163A

    公开(公告)日:2024-05-24

    申请号:CN202311581046.2

    申请日:2023-11-23

    摘要: 本发明涉及电网大数据处理技术领域,具体涉及一种基于纵向联邦学习的电力‑环保协同排污预测方法。本发明包括如下步骤:S1、将各参与方纳入电力‑环保协同系统;S2、各参与在去协调方的框架下进行数据的纵向联邦学习,将纵向联邦学习框架融合改进逻辑回归模型;S3、通过改进的逻辑回归模型结合Paillier加密算法,保证改进的纵向联邦学习逻辑回归模型在不同参与方的参数传递的安全;S4、通过对来自电力‑环保协同系统的排污数据进行实验,与实际排污结果进行比较,评估改进的逻辑回归模型的性能。本发明通过整合两方数据,为排污预测提供了更全面、更精确的数据基础,有助于企业更好地了解和控制其排放水平,减少环境影响。