一种基于联邦学习与神经网络的能耗管控优化方法

本发明属于智能模型技术领域，尤其涉及一种基于联邦学习与神经网络的能耗管控优化方法，包括：S1、构建能耗预测模型；S2、通过各本地端采集数据并进行预处理，得到各自的训练数据；S3、各本地端分别对能耗预测模型进行训练，更新本地模型参数；S4、本地端将本地模型参数发送给云端；S5、云端接收到的各本地端的本地模型参数后，按照预设的方法进行处理，得到全局模型参数并发送给本地端；S6、本地端用接收到全局模型参数对其能耗预测模型进行模型参数配置更新，得到更新后的能耗预测模型；再用本地端自身的测试集对更新后的能耗预测模型进行准确性测试。本方法可以在保护数据隐私的同时，提升能耗管控优化模型的训练效率与预测精度。