基于时空联邦学习的电力系统数据异常预测方法及系统

本发明公开了基于时空联邦学习的电力系统数据异常预测方法及系统，属于电力数据分析技术领域，解决了现有方法中模型训练依赖于集中式数据处理，难以适应电力系统中不同区域和时间序列数据的复杂变化的问题，所述方法包括预构建包括中央服务器和多个电力节点的时空联邦学习框架，训练得到异常检测子模型，基于联邦平均算法对子模型参数聚合，得到全局异常预测模型，基于全局异常预测模型对实时运行数据异常检测。本发明通过时空联邦学习框架，能够动态调整全局模型的聚合策略，结合联邦学习的分布式训练与深度学习的建模能力，实现了多个电力节点的分布式协同建模，从而增强对不同空间和时间数据的适应性，提升故障响应速度。