联邦学习在能源系统中的综述
密码学与安全
2022-08-24 v1 机器学习
摘要
随着对数据隐私与所有权的日益关注，近年来机器学习（ML）出现了范式转变。一种新兴范式——联邦学习（FL）已获得极大关注，并成为机器学习实现的一种新设计。FL 在中央服务器协调下实现数据孤岛上的 ML 模型训练，消除了通信开销且无需共享原始数据。本文对 FL 范式进行了综述，尤其比较了其类型、网络结构与全局模型聚合方法。随后，我们对 FL 在能源领域（本文中指智能电网）的应用进行了全面综述。我们提供了 FL 的主题分类，以应对各类能源相关问题，包括需求响应、辨识、预测与联邦优化。我们详细描述了该分类法，并以讨论其在能源信息学应用（如能源系统建模与设计、隐私与演进）中的挑战、机遇与局限等多方面内容作结。
引用
@article{arxiv.2208.10941,
title = {A Review of Federated Learning in Energy Systems},
author = {Xu Cheng and Chendan Li and Xiufeng Liu},
journal= {arXiv preprint arXiv:2208.10941},
year = {2022}
}