楼宇之间不再无条件共享预测模型：接收方先做本地交叉验证，Electricity上避开3%以上的负迁移
核心概要
分布式楼宇能源管理依赖负荷预测，但联邦预测通常只报误差、不检验它支持的调度决策。UtilityGossip在每个节点保留私有与协作两个低秩适配器，只有本地留出数据上的随机四折交叉验证显示误差显著下降时才接纳邻居适配器。在Electricity基准上，无条件联邦使均方误差比本地训练高3%以上，而该门控方法避免了这一退化；在Solar-Energy的96步预测上，其均方误差比本地训练低1.59%，通信量为FedAvg的一半。
深度剖析
楼宇之间的预测模型共享改为由接收方自己决定是否采纳，而不是收到就合并。 此前FedAvg与FedGossip把邻居或全局适配器无条件并入本地模型，在建筑负荷分布不一致时可能拖累单个站点的预测。 在Electricity基准上，FedAvg与FedGossip的均方误差分别比本地训练高3.46%和3.23%，而UtilityGossip没有出现这一退化，并取得最低的联邦均方误差与最低的最差节点均方误差。
每个节点围绕同一个冻结的PatchTST主干维护两个秩为8的低秩适配器，私有适配器从不外传，只有协作适配器参与交换。 低秩适配把稠密预测头的更新分解为两个窄矩阵，在H=96、d=5632、r=8的配置下只学习45824个值，而稠密更新需要540672个值。 接收方在本地留出的128行验证数据上做随机四折交叉拟合，只有平均增益与不确定度之比超过2.0、标准化效应超过0.3且满足相对增益下限时才接受候选适配器，评估在门控无法访问的最终测试段上进行。
预测精度的提升没有换来成比例的电费节省，预测误差与运行价值需要分开报告。 把同一份冻结的电池策略分别接到各预测源上重放，可以区分电池灵活性、学习型预测和联邦共享各自的贡献。 在Electricity的留出一周重放中，UtilityGossip预测支持相对无储能19.34%的成本下降、3.24%的电网购电下降和9.89%的碳排放下降，但相对强本地预测的额外控制收益在三个种子上未被统计分辨（p=0.275）。
启示与展望
演示范围是公开的Electricity与Solar-Energy基准，节点由拟合期频谱指纹聚类成32个客户组合而非单个电表；电池控制只在Electricity上重放，使用672小时校准段训练、随后168小时留出周评估的同一份冻结PPO策略。区域峰值保护只作用于聚合有功功率，不涉及电压、相不平衡、反向潮流、馈线热限或保护动作。
门控是模型选择规则而非序贯假设检验，在100轮中自适应应用且未做多重性校正，因此通过不保证在未见数据上误差更低。隐私敏感性研究中接受率从32.9%降到约20%，最强设置仍有ε=14.13，且只覆盖单个节点发出的数据流，不含后续同伴再共享。三个配对种子下正态性无法可靠评估，配对检验的p值仅作描述。