面向风电功率预测误差概率分布的隐私保护分布式参数估计
机器学习
2020-03-03 v4 密码学与安全
分布式、并行与集群计算
摘要
构建风电功率预测误差的条件概率分布有益于风电场（WFs）与独立系统运营商（ISOs）双方。建立空间相关风电场风电功率及其对应预测数据的联合概率分布，是推导条件概率分布的基础。传统的分布参数估计方法需收集所有风电场的歷史数据。然而，在多区域互联电网背景下，受隐私或竞争因素制约，区域 ISO 与风电场均无法收集其他区域风电场的原始数据。因此，基于高斯混合模型，本文首先提出一种隐私保护分布式期望最大化算法来估计联合概率分布参数。该算法由两种原创方法构成：（1）隐私保护分布式求和算法；（2）隐私保护分布式内积算法。随后，我们从联合分布导出各风电场预测误差的条件概率分布。借助所提算法，风电场仅需本地计算与隐私保护邻域通信即可完成整体参数估计。这些算法利用 NREL 发布的风电并网数据集进行了验证。
引用
@article{arxiv.1812.09247,
title = {Privacy-Preserving Distributed Parameter Estimation for Probability Distribution of Wind Power Forecast Error},
author = {Mengshuo Jia and Shaowei Huang and Zhiwen Wang and Chen Shen},
journal= {arXiv preprint arXiv:1812.09247},
year = {2020}
}