【技术实现步骤摘要】
本申请属于能源管理，尤其涉及一种用于家庭储能的用电预测模型训练方法、电子设备及计算机可读存储介质。
技术介绍
1、电能作为一种高效、清洁、便捷的二次能源，在智能家居、分布式能源系统、电动汽车等领域被广泛应用，应用前景十分广阔。随着分布式能源在家庭中的普及，高效的家庭能源管理显得十分重要。准确地预测用电需求能够降低用电成本、合理规划电能。
2、由于不同家庭的用电行为差异较大，如何在确保家庭隐私的同时，快速准确地预测不同家庭的个性化用电需求，是亟待解决的技术问题。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种用于家庭储能的用电预测模型训练方法、用于家庭储能的用电预测模型训练装置、电子设备、计算机可读存储介质及计算机程序产品，可以快速准确地预测不同家庭的个性化用电需求。
2、第一方面，本申请提供的一种用于家庭储能的用电预测模型训练方法，包括：
3、获取并聚合各个对象加密后的用电预测模型的模型参数，以构建全局优化模型；
4、部署所述全局优化模型到所述各个对象，以使得所述各个对象中的任一目标对象基于预设强化学习算法进行本地训练，并更新部署到所述目标对象的所述全局优化模型的模型参数；
5、获取所述各个对象中与当前对象匹配的其他对象的用电预测模型；
6、基于与所述当前对象匹配的各个所述用电预测模型，构建所述当前对象对应的用电预测模型。
7、第二方面，本申请提供的一种用于家
8、所述迁移学习模块用于获取与当前对象匹配的其他对象的用电预测模型的迁移特征，基于所述迁移特征，构建所述当前对象对应的所述用电预测模型；
9、所述联邦强化学习模块用于接收所述各个对象通过预设加密机制传输的所述模型参数，聚合接收到的各个所述模型参数，以构建全局优化模型，部署所述全局优化模型到所述各个对象进行本地训练，并更新部署到所述目标对象的所述全局优化模型的模型参数；
10、所述调度优化模块用于基于所述当前对象的用电预测模型和用电数据，预测用电需求信息，基于预设的目标函数和所述用电需求信息，调整储能设备的充放电策略，以使得用电成本最小。
11、第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述模型训练方法。
12、第四方面，本申请提供的一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述模型训练方法。
13、第五方面，本申请提供的一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述模型训练方法。
14、本申请实施例提供的用于家庭储能的用电预测模型训练方法、用于家庭储能的用电预测模型训练装置、电子设备、计算机可读存储介质及计算机程序产品，在当前对象初次进行用电需求预测或更换住处更新用电预测模型的情况下，通过获取并聚合各个对象加密的用电预测模型的模型参数，以构建全局优化模型；部署全局优化模型到各个对象，以使得各个对象中的任一目标对象基于预设强化学习算法进行本地训练，并更新部署到目标对象的全局优化模型的模型参数；获取各个对象中与当前对象匹配的其他对象的用电预测模型；基于与当前对象匹配的各个用电预测模型，构建当前对象对应的用电预测模型。
15、获取并聚合的是加密后的模型参数，使得在构建全局优化模型的过程中不会出现泄露各个对象隐私的风险；部署全局优化模型进行不断本地训练并不断地更新全局优化模型的模型参数，能够提高全局优化模型的准确性和适应性；当前对象与其他对象相匹配，表明当前对象的用电情况与其他对象的用电情况相似，基于与当前对象相匹配的其他对象的用电预测模型构建的当前对象对应的用电预测模型能够准确地预测当前对象的个性化用电需求。
16、本申请的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实施方式的实践了解到。
本文档来自技高网...【技术保护点】
1.一种用于家庭储能的用电预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述获取并聚合各个对象的用电预测模型的模型参数，以构建全局优化模型，包括：
3.根据权利要求1或2所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述全局优化模型的任一目标参数基于如下公式得到：
4.根据权利要求1所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述基于与所述当前对象匹配的各个所述用电预测模型，构建所述当前对象对应的用电预测模型，包括：
5.根据权利要求4所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述提取各个所述用电预测模型的迁移特征，包括：
6.根据权利要求5所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述基于所述迁移特征，对所述基础模型进行迁移学习，以构建所述当前对象对应的所述用电预测模型，包括：
7.根据权利要求6所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述特征分布信息基于如下公式得到：
8.根
9.根据权利要求8所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述目标函数包括：
10.根据权利要求8或9所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述用电需求信息包括用电量，所述目标函数求解的约束条件包括：
11.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-10任一项所述的用于家庭储能的用电预测模型训练方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-10任一项所述的用于家庭储能的用电预测模型训练方法。
...【技术特征摘要】
1.一种用于家庭储能的用电预测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述获取并聚合各个对象的用电预测模型的模型参数，以构建全局优化模型，包括：
3.根据权利要求1或2所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述全局优化模型的任一目标参数基于如下公式得到：
4.根据权利要求1所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述基于与所述当前对象匹配的各个所述用电预测模型，构建所述当前对象对应的用电预测模型，包括：
5.根据权利要求4所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述提取各个所述用电预测模型的迁移特征，包括：
6.根据权利要求5所述的用于家庭储能的用电预测模型训练方法，其特征在于，所述基于所述迁移特征，对所述基础模型进行迁移学习，以构建所述当前对象对应的所述用电预测模型，包括：
【专利技术属性】
技术研发人员：张娉，
申请(专利权)人：深圳市华宝新能源股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。