一种基于联邦学习的模型训练方法、装置、设备以及存储介质

本发明公开了一种基于联邦学习的模型训练方法、装置、设备以及存储介质，所述方法包括：根据电力数据对本地模型进行训练，生成用于电力设备故障分析的故障分析模型，将本地模型参数上传至云服务器，以使云服务器将所述本地模型参数进行聚合，继而对相应的全局模型进行更新，并将更新得到的全局模型参数下发给各边缘节点；其中，云服务器在将所述本地模型参数进行聚合时，将异常的本地模型参数所对应的边缘节点标记为疑似异常节点，并对所标记的疑似异常节点进行监控，当监控到所述疑似异常节点发生异常时，则将所述疑似异常节点所上传的本地模型参数进行剔除。通过本发明可以确保本地模型训练得到的故障分析模型的性能不会被削弱。