这次组会主要介绍毕业论文进展，从进展概述、研究内容、研究计划等几个方面展开。

进展概述：

基于深度强化学习的智能电表实时数据压缩与隐私保护

DRL-based Smart Meter Data Compression and privacy protection

边缘计算；深度强化学习；数据压缩；负荷预测

2021年9月至2024年6月

设计了一种智能电表数据实时压缩机制，利用边缘计算构建了一套在边缘端进行实时智能电表数据压缩的框架，传统上在云平台上执行的某些计算任务被转移到边缘端。该框架为实现实时智能电表数据压缩、提高效率和减少延迟提供了一个可行的解决方案。

针对智能电表数据高频、高冗余问题，设计了一种电力实时数据压缩机制选择性地丢弃具有最小信息的数据点，可以在捕获基本特征的同时使用更少的数据点来表示电力数据图像。针对实时智能电表数据压缩效率和延迟问题，提出改进思路，利用边缘计算的能力，将传统上在云平台上执行的某些计算任务被转移到网络的边缘，提高效率和减少延迟。针对智能电表数据在传送过程中可能会被窃取等问题，结合深度强化学习，设计一种安全隐私保护方法。

研究内容：

后续研究计划：

完善文章大纲结构。（2024.1.06）
撰写第一张绪论部分。（2024.1.13）
构思第二章写作思路。（2024.1.25）