面向统计异质性的隐私保护个性化联邦学习的分布式光伏拆分研究

本研究解决了分布式光伏系统中隐私问题和统计异质性对光伏拆分的影响。提出了一种隐私保护的个性化联邦学习框架，通过局部和全局建模相结合的方法，克服了地理和行为变异带来的挑战。实验结果表明，所提出的方法在准确性和稳健性方面优于基准方法，具有显著的应用潜力。