基于联邦学习的供热系统水力失衡实时校正方法及其系统

本发明涉及供热系统智能调控技术领域，具体涉及基于联邦学习的供热系统水力失衡实时校正方法及其系统，步骤包括构建基于LSTM神经网络的温度预测模型，在各用户端部署联邦节点实时采集多维度供热数据并进行预处理；通过联邦学习框架加密上传本地模型参数至中央服务器，基于验证集误差动态加权聚合生成全局模型参数并反向更新节点；利用更新后的模型预测未来1小时热负荷，结合水力平衡算法动态调整阀门开度，实现全网流量与热需求匹配。本发明通过联邦学习与区块链技术保障数据隐私，结合边缘计算与LSTM时序预测，解决了传统方法数据传输延迟高、隐私风险大、模型泛化性差的问题，显著提升了供热系统的实时响应能力与能源利用效率。