本发明公开了一种基于FRL的CES日前调度方法，包括多个社区储能系统LCES和单个全局服务器GS；所述FRL的训练过程包括以下步骤：LCES训练和更新局部模型，并对更新梯度使用噪音扰动；GS对多个LCES的噪音梯度求和，更新GS的全局模型，广播最新GS模型给LCES；局部模型和全局模型迭代更新，满足停止要求，完成训练。本发明基于联邦强化学习框架来进行CES调度，整个算法以分层分布式架构运行，本地社区调度代理以最小化社区的每日能源成本为目标，所提出的方法无需在社区之间共享能源消耗数据，只需共享扰动的模型梯度，保护了社区家庭的隐私。