近日，我校计算机应用学院青年教师黄剑波在人工智能与能源交叉领域取得新进展。相关成果以“Heterogeneous federated reinforcement learning with frequency-domain privacy masking for virtual power plant scheduling”为题，发表于人工智能领域国际权威期刊Expert Systems with Applications（中科院SCI一区TOP，JCR Q1，影响因子9.4）。我校计算机应用学院为第一完成单位，黄剑波为第一作者和唯一通讯作者，比利时布鲁塞尔自由大学（Vrije Universiteit Brussel）为合作单位。

虚拟电厂能够将分布式光伏、储能、电动汽车等资源聚合起来统一调度，是新型电力系统的重要组成部分。多个虚拟电厂借助联邦学习联合训练调度模型，可在不共享原始数据的情况下提升调度水平，但仍面临两个难题：一是各虚拟电厂设备构成不同，模型难以直接聚合；二是上传的模型参数可能被逆向还原，泄露用户用电规律等敏感信息。

针对上述问题，该研究提出了异构联邦强化学习框架HetFRL-FDPM。该框架只在各虚拟电厂之间共享模型的公共部分，设备相关部分保留在本地，使结构不同的虚拟电厂也能协同训练；同时设计了一种频域隐私保护机制，在不增加额外计算开销的前提下隐藏负荷数据的时序特征。实验表明，该方法在降低调度成本的同时，有效提升了数据隐私保护能力。该成果为多虚拟电厂协同调度与数据隐私保护提供了新思路。

图一：论文封面

图二：异构多虚拟电厂联邦调度框架

（一审：吴佳慧；二审：覃凤萍；三审：曾灿博）