一种基于LSTM和MAB优化的智能电网分层联邦学习方法及系统

本发明涉及电力系统智能化技术领域，特别涉及一种基于LSTM和MAB优化的智能电网分层联邦学习方法及系统。包括：结合LSTM模型预测电网客户端设备的带宽变化，为动态客户端设备选择策略提供实时带宽信息，从而有效优化电网中各设备之间的数据传输效率。通过构建多臂老虎机模型，并采用上置信界策略，MMVO‑SHFL能够平衡探索和利用，在电网环境中动态选择参与训练的客户端设备，MMVO‑SHFL引入了多宇宙优化算法，模拟电网中设备和资源的相互作用及动态演化过程，进行全局范围内的最优解搜索。本发明能够有效应对电网中设备计算能力和带宽波动带来的挑战，提高通信效率，并实现资源的动态优化和负载均衡，为智能电网系统提供更高效、更公平的模型训练方案。