一种智能电网中的联邦学习优化方法及系统

本发明公开了一种智能电网中的联邦学习优化方法及系统，其方法包括：初始化智能电网中的联邦学习模型并根据联邦学习模型的最大迭代次数设置GWO算法的参数；构建每个客户端的本地模型，确定每个本地模型的适应度，根据适应度筛选出标定本地模型；计算出标定本地模型每次迭代时的位置，根据标定本地模型每次迭代时的位置和剩余本地模型的包围行为确定每个剩余本地模型的迭代位置；根据每个剩余本地模型的迭代位置通过GWO算法对联邦学习模型进行更新以获取优化后的联邦学习模型。可以结合能够优化模型性能的参数组合从而让客户端模型的参数逐渐逼近最优解进而实现对联邦学习模型的优化，提高了模型的收敛效率。