本发明涉及一种基于数据价值阈值的虚拟电厂并行控制方法，属于虚拟电厂领域。本发明方法将虚拟电厂并行控制中心作为联邦学习的服务器、将多个虚拟电厂代理商分别作为联邦学习的客户端进行模型迭代训练；在训练时使用改进了二阶动量项的Adam算法中训练LSTM模型；在传递参数时使用差分隐私技术对参数加噪后进行参数传递；在计算全局梯度时使用改进的加权聚合算法计算全局梯度；基于数据资产价值和资产价值阈值判断联邦学习的收敛条件，最后基于训练结果对各虚拟电厂代理商进行并行调节控制。本发明方法可以不损失模型训练精度的情况下确保共享模型的安全性和隐私性提升效率，为虚拟电厂优化调度提供隐私保护，提高企业决策效率和生产效率。