基于改进联邦学习的虚拟电厂云边协同优化方法及系统

本发明公开了一种基于改进联邦学习的虚拟电厂云边协同优化方法及系统，包括：虚拟电厂的云端节点建立初始模型，并将模型参数下发到边缘节点；边缘节点对模型参数进行低秩自适应分解，利用本地数据训练得到更新后的模型参数，上传到云端节点；云端节点对上传的模型参数进行加权聚合，并将聚合后的模型参数下发到边缘节点。本发明基于联邦学习框架，使得边缘节点的本地数据不需要大量传输到云端节点，减少了数据传输量并保护了数据隐私；同时在边缘节点处采用低秩自适应分解矩阵对模型参数进行训练更新，进一步减少云边协同的数据传输量，提升书传输过程的安全性；改进了在云端处模型参数的加权聚合方式，提升云端节点全局模型聚合的合理性。