一种基于联邦学习的分布式BMS电池组健康评估方法

本发明公开了一种基于联邦学习的分布式BMS电池组健康评估方法。本发明中，通过引入联邦学习架构，让每个边缘节点能够在本地完成数据采集、特征提取和模型训练，只上传模型参数而非原始数据，从根本上避免了大量敏感数据集中传输带来的泄露风险。同时，协调服务器采用加权聚合策略，根据节点样本量分配权重，确保大样本节点的知识贡献得到充分体现，不会因节点数量差异导致全局模型偏置。这种“信息融合而非数据融合”的方式，既保护了各节点的数据隐私，又实现了跨节点的知识共享，让系统在满足严格隐私保护要求的同时，还能充分利用分布式BMS中的多源异构数据进行协同建模。