一种面向智能电网数据保护的联邦学习方法

本发明提供了一种面向智能电网数据保护的联邦学习方法，中心服务器将初始化神经网络模型下发至多个智能电表；每个智能电表利用生成模型生成数据样本或本地用电数据进行训练，并将训练后的模型参数和评分指标上传至中心服务器通过聚合模型对训练后的模型参数和评分指标进行聚合检测，确定异常智能电表；中心服务器对除异常智能电表上传的模型参数以外的所有模型参数进行注意力动态聚合，得到全局模型，并判断全局模型是否满足预设训练终止条件；若是，则训练结束，将全局模型用于对用电量进行预测；否则，将全局模型作为初始化神经网络模型下发至多个智能电表，并返回执行步骤2；在提高智能电网数据隐私保护能力的同时提高联邦学习的效率。