1.一種電動汽車充電狀態(tài)監(jiān)測方法,其特征在于,應(yīng)用于區(qū)塊鏈網(wǎng)絡(luò)中的任一節(jié)點,所述區(qū)塊鏈網(wǎng)絡(luò)中存儲有全局模型參數(shù),所述全局模型參數(shù)由所述區(qū)塊鏈網(wǎng)絡(luò)中各個節(jié)點根據(jù)歷史充電數(shù)據(jù)在本地訓(xùn)練得到的局部模型參數(shù)聚合得到;
2.根據(jù)權(quán)利要求1所述的電動汽車充電狀態(tài)監(jiān)測方法,其特征在于,所述方法還包括:
3.根據(jù)權(quán)利要求2所述的電動汽車充電狀態(tài)監(jiān)測方法,其特征在于,所述本地預(yù)測結(jié)果和所述全局預(yù)測結(jié)果均有多個;針對多個所述本地預(yù)測結(jié)果和多個所述全局預(yù)測結(jié)果,計算得到的標準偏差和平均絕對誤差有多個;
4.根據(jù)權(quán)利要求1-3中任一項所述的電動汽車充電狀態(tài)監(jiān)測方法,其特征在于,所述區(qū)塊鏈網(wǎng)絡(luò)中存儲的所述全局模型參數(shù)是密態(tài)全局模型參數(shù),所述區(qū)塊鏈網(wǎng)絡(luò)中部署有第一智能合約,所述第一智能合約用于獲取所述密態(tài)全局模型參數(shù)對應(yīng)的目標全局模型;所述密態(tài)全局模型參數(shù)是對所述區(qū)塊鏈網(wǎng)絡(luò)中各個節(jié)點在本地訓(xùn)練得到的局部模型參數(shù)添加了噪聲后得到的隱私局部模型參數(shù)進行密態(tài)聚合得到的;
5.根據(jù)權(quán)利要求1-3中任一項所述的電動汽車充電狀態(tài)監(jiān)測方法,其特征在于,所述區(qū)塊鏈網(wǎng)絡(luò)中存儲的所述全局模型參數(shù)是密態(tài)全局模型參數(shù),所述密態(tài)全局模型參數(shù)是對所述區(qū)塊鏈網(wǎng)絡(luò)中各個節(jié)點在本地訓(xùn)練得到的局部模型參數(shù)添加了噪聲后得到的隱私局部模型參數(shù)進行密態(tài)聚合得到的,所述區(qū)塊鏈網(wǎng)絡(luò)中部署有第二智能合約,所述第二智能合約用于對所述隱私局部模型參數(shù)進行密態(tài)聚合;
6.根據(jù)權(quán)利要求5所述的電動汽車充電狀態(tài)監(jiān)測方法,其特征在于,所述待訓(xùn)練的局部模型包括待訓(xùn)練的卷積運算子模型和待訓(xùn)練的雙向循環(huán)門控單元子模型;
7.根據(jù)權(quán)利要求5所述的電動汽車充電狀態(tài)監(jiān)測方法,其特征在于,在對所述訓(xùn)練完成的局部模型的局部模型參數(shù)添加噪聲之前,所述方法還包括:
8.一種電動汽車充電狀態(tài)監(jiān)測裝置,其特征在于,應(yīng)用于區(qū)塊鏈網(wǎng)絡(luò)中的任一節(jié)點,所述區(qū)塊鏈網(wǎng)絡(luò)中存儲有全局模型參數(shù),所述全局模型參數(shù)由所述區(qū)塊鏈網(wǎng)絡(luò)中各個節(jié)點根據(jù)歷史充電數(shù)據(jù)在本地訓(xùn)練得到的局部模型參數(shù)聚合得到;
9.一種非臨時性計算機可讀存儲介質(zhì),其上存儲有計算機程序,其特征在于,該程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述方法的步驟。
10.一種電子設(shè)備,其特征在于,包括: