基于马尔科夫链的串并行去中心化联邦学习变压器故障诊断方法及装置

本发明公开了一种基于马尔科夫链的串并行去中心化联邦学习变压器故障诊断方法及装置，包括对所有参与训练的节点分集群；在第一集群中随机选取一个领导者并初始化；领导者将模型参数下发给集群内其他节点，集群内所有节点开始在本地数据上进行训练；集群内所有节点训练完成后，将模型参数发送给领导者进行聚合；通过马尔科夫跳变选取下一个集群，在下一个集群内随机选择一名领导者，将聚合完的模型参数由当前集群领导者发送给下一个集群领导者；当模型收敛或达到预设迭代轮数时，将最优本地模型分发给所有节点，并用该模型对变压器进行故障诊断。本申请显著提升数据不平衡分布下模型的诊断精度，并且大幅降低了模型训练过程中的通讯量。