本发明公开了一种面向电力系统的联邦学习架构，应用于边缘计算场景，包括云层、边缘层和终端层，其中，终端层包括终端设备，终端设备使用本地数据集进行本地模型训练，同时使用周期性策略进行更新；边缘层包括预测模块和选择模块，预测模块采用基于终端设备负载预测算法，预测终端设备未来的工作量；选择模块采用终端设备选择算法对终端设备训练价值进行多维度评估，并选择每轮价值最高的终端设备参与训练；云层包括云服务器，云服务器聚合全局模型并广播参数。本发明能够在大幅降低掉队率、略微提升模型准确率的条件下，显著提高模型的收敛速度，减少训练时间，提高训练效率。