一种基于隐私数据保护的电池健康预测方法及系统

本发明属于电池健康管理技术领域，提供了一种基于隐私数据保护的电池健康预测方法及系统，各节点存储自身的原始数据并通过轻量化LSTM‑TCN模型得到本地梯度参数，对梯度进行差分隐私处理，同态加密后上传至服务器，服务器对加密后的梯度进行安全聚合，根据各节点的验证损失动态调整聚合权重并计算全局更新参数，服务器将全局更新参数下发至各节点，各节点替换至本地模型并进行循环迭代得到最终预测模型，利用最终预测模型根据原始数据完成健康状态预测。本发明在不上传原始电池数据的前提下，利用联邦学习协同训练健康预测模型，通过引入差分隐私与安全聚合双重机制，既保护各节点的数据隐私，又获得接近集中式训练的预测精度。