本文提出了一种基于XGBoost的混合联邦学习框架，结合水平和垂直联邦学习，以实现分布式电力预测。研究重点在于隐私保护、算法设计和安全性，强调提高训练效率和信息公平性的重要性。

该文介绍了一种交互式 GAM 模型，利用分段线性函数和特定领域知识提高电力预测性能。该模型在公共基准和电力数据集中优于当前最先进的方法，并在极端天气事件的情况下表现出良好的泛化能力。同时，该文还推出了一个用户友好的基于交互式 GAM 的网络工具，并将其整合到电力预测 AI 平台中。