[发明专利]隐私保护的短期个人负载预测方法、系统、设备及终端

权利要求书

1.一种隐私保护的短期个人负载预测方法，其特征在于，所述隐私保护的短期个人负载预测方法包括：

隐私保护的收集用户负载数据阶段，用户收集智能电网短期负载数据，并将数据随机拆分后上传密文至训练模型训练服务器中；训练预处理阶段，训练模型训练服务器之间利用安全协议生成隐私计算辅助数据矩阵乘法三元组；安全正向传播阶段，利用加密的历史数据安全地计算负载预测值；安全逆向传播阶段，根据真实值与预测值之间的差异，隐私地计算预测模型新参数，并多次迭代；停止迭代，在密文训练下获得负载预测模型参数，并将双方负载预测模型发送给用户用于实际预测。

2.如权利要求1所述的隐私保护的短期个人负载预测方法，其特征在于，所述隐私保护的短期个人负载预测方法包括以下步骤：

步骤一，隐私保护的收集用户负载数据；

步骤二，训练预处理阶段；

步骤三，安全正向传播阶段；

步骤四，安全逆向传播阶段；

步骤五，误差满足，有限轮后停止迭代，获得负载预测模型参数并返回。

3.如权利要求2所述的隐私保护的短期个人负载预测方法，其特征在于，所述步骤一中的隐私保护的收集用户负载数据包括：

(1)用户收集自己的历史负载数据矩阵X_m×n作为输入；其中，m表示一个时间点上负载数据的特征维数，所述特征包括用电消耗、时间索引、星期索引以及节假日标签；n表示收集的时间点数量；在输入前对矩阵中所有数据点放大整数倍处理，以使所有数据点均处于有限域F_p上；

(2)用户将明文输入矩阵X_m×n，简写为X，随机拆分成两部分X₀和X₁以隐私保护处理原数据；用户选择有限域F_p上随机向量X₀，计算得密文矩阵X₁＝X-X₀；

(3)将步骤(2)生成的随机矩阵X₀发送给模型训练服务器S₁，密文矩阵X₁发送给模型训练服务器S₂。

4.如权利要求2所述的隐私保护的短期个人负载预测方法，其特征在于，所述步骤二中的训练预处理阶段包括：

(1)初始化，模型训练服务器S₁生成三个随机矩阵计算其中m，n，d为常数变量，表示矩阵向量维数；

(2)模型训练服务器S₂生成相同大小的五个随机矩阵其中m，n，d表示矩阵向量维数；S₂再生成一个随机数r，计算获得r的逆r^-1；计算计算计算模型训练服务器S₂将以及发送给模型训练服务器S₁；

(3)模型训练服务器S₁本地计算矩阵以及矩阵其中m，n，d仅表示矩阵向量维数；

(4)模型训练服务器S₁将矩阵U_m×n,V_m×n发送给模型训练服务器S₂，模型训练服务器S₂本地计算其中m，n，d仅表示矩阵向量维数；

(5)模型训练服务器S₁保存模型训练服务器S₂保存作为后续负载预测模型隐私训练的重要辅助数据。