基于多层卫星网络的电力广域分布式检测模型训练方法

本发明涉及广域分布式电力检测模型训练技术领域，提供了一种基于多层卫星网络的电力广域分布式检测模型训练方法，基于提出的MEO‑LEO‑终端设备三层异步联邦学习框架，通过分层聚合、动态更新策略与强化学习优化实现全局模型训练及更新。本发明结合局部聚合以及全局聚合方式，采用异步聚合机制可以缓解系统异构性，采用分层结构可以减少低轨长链路聚合时延，采用多颗MEO分别作为局部聚合节点，并在特定的时间点或条件满足时，MEO卫星执行全局聚合，更新全局模型，可以减少单一聚合节点故障率，有效解决了当前电力检测设备分布广泛很难统一训练的问题，满足了新型电力系统中广域分布式检测模型训练的需求。