近日，信电学院电气工程系赵永宁副教授课题组的研究论文《基于个性化鲁棒联邦学习和空间协作的超短期风电功率预测》（Ultra-short-term wind power forecasting based on personalized robust federated learning with spatial collaboration）在电气能源领域国际顶级期刊《能源》（Energy）上正式发表。Energy 是一本涵盖能源科学与工程技术的国际期刊，是电气能源领域最具影响力的期刊之一。

发电集团运行数据的保密性阻碍了不同风电场之间的数据共享，使得风电功率预测难以充分利用多个风电场的空间相关性提升预测精度。该论文研究了多风电场协同预测中的数据隐私保护问题，提出了一种基于个性化鲁棒联邦学习的超短期风电功率预测方法。通过联邦学习框架实现数据隐私保护场景下风电场之间的协同预测；采用基于近似几何中值的联邦聚合方案替代原始的联邦平均算法，提升协同预测过程对异常值的抗干扰性；引入了迁移学习微调的联邦个性化方案，提高预测模型的泛化性能，保障各个风电场的预测精度。该研究对于保护数据隐私、促进风电时空数据共享，从而通过多场站协同提升预测精度具有重要意义。

赵永宁副教授为论文通讯作者，2022级硕士研究生潘世纪同学为学生第一作者，叶林教授和郑颖颖教授参与了该项工作。论文研究受到了国家自然科学基金联合基金重点项目（U22B20117）和国家自然科学基金青年科学基金项目（52207144）的资助。

论文链接：https://www.sciencedirect.com/science/article/pii/S0360544223032413