一种基于大模型上下文学习的电力数据异常监测方法和相关装置

本发明提供了一种基于大模型上下文学习的电力数据异常监测方法和相关装置，通过边缘服务器的元学习器，将电力数据转换为云端大模型输入的特征向量并转换为上下文提示词，云端大模型基于上下文学习输出对应的预测结果，边缘服务器根据电力数据对元学习器的参数进行更新，并根据云端的集成网络对元学习器进行更新。本发明使用大模型技术进行端到端的学习，从而更好地捕获电力数据中的复杂模式和特征。利用大模型的强泛化能力以及上下文学习的方法，可以更好地处理数据稀疏性和不平衡性问题。结合联邦学习，可以在保护用户隐私的前提下进行模型训练，将模型参数分布在多个参与方中进行计算，从而避免直接共享原始数据，降低隐私泄露风险。