本发明提供一种面向电力终端的个性化联邦多任务学习方法及相关设备，包括：根据K个相似的机器学习任务，将全局多任务模型划分为一个用于提取共同数据特征的基础模块和K个用于输出预测结果的特定任务模块；对于每个机器学习任务建立对应的逻辑簇，用于聚合和存储全局多任务模型，并将全局多任务模型和每个机器学习任务下发至所有电力终端进行联邦训练，以获得特定任务模块的更新梯度值；将对应的更新梯度值上传至边缘服务器，调度已逻辑簇执行全局聚合操作，以获得全局模块；将全局模块与基础模块进行组合，以获得更新的全局多任务模型。本发明提出一种基于逻辑簇的个性化联邦多任务学习框架，解决了电力物联网场景中多服务下的协作问题。