基于联邦学习的多数据中心余热回收利用优化方法及系统

本发明提供一种基于联邦学习的多数据中心余热回收利用优化方法及系统，涉及数据中心余热回收利用领域。本发明通过联邦学习框架对多源数据进行特征提取与建模，在保证各数据中心数据隐私安全的前提下训练时空神经网络预测模型，得到未来各数据中心余热供应及周边区域建筑物热负荷需求；基于余热回收利用优化模型，对未来各数据中心余热供应及周边区域建筑物热负荷需求进行系统建模与匹配优化，以得到最优余热分配策略。本发明通过联邦学习框架预测未来各数据中心余热供应及周边区域建筑物热需求，在确保数据隐私不被泄露的前提下，实现加密状态下的余热回收利用优化，突破了传统集中式建模中对数据集中存储的依赖与隐私泄露风险问题。