An Adaptive Decentralised Federated Learning Framework for Load Forecasting in Dynamic Microgrid Environments
Dit artikel stelt een veilig en schaalbaar gedecentraliseerd Federated Learning-framework voor, geïntegreerd met een hybride TCN-BiLSTM-architectuur, om een nauwkeurige belastingvoorspelling te bereiken in dynamische microgrids, terwijl de privacy-, betrouwbaarheids- en beperkingen van middelen van traditionele gecentraliseerde benaderingen worden overwonnen.