预测匿名化电力负荷轮廓
密码学与安全
2025-01-14 v1 人工智能
机器学习
摘要
在数据隐私不断演变的背景下，电力负荷轮廓的匿名化已成为关键议题，尤其是欧洲数据保护法规(GDPR)实施后。这些电力负荷轮廓是能源行业中必不可少的数据集，被归类为个人行为数据， necessitating 严格的保护措施。本文探讨了这一分类、数据匿名化的重要性以及如何使用微聚类数据进行预测的潜力。研究结果强调，在某些条件下(即进行聚合预测)，有效的匿名化技术（如微聚类）不会损害预测模型的性能。在这种聚合水平上，微聚类数据保持了较高的实用性，预测准确性几乎不受影响。对能源行业的含义深远，表明在不妨碍其有效性的前提下，可以将隐私保留数据实践集成到智能表计技术应用中。
引用
@article{arxiv.2501.06237,
title = {Forecasting Anonymized Electricity Load Profiles},
author = {Joaquin Delgado Fernandez and Sergio Potenciano Menci and Alessio Magitteri},
journal= {arXiv preprint arXiv:2501.06237},
year = {2025}
}