本发明公开了基于联邦学习的电力负荷预测系统及其训练方法，包括服务器、客户端、加密与解密模块和存储与处理模块，方法采用联邦学习的框架，实现了电力负荷预测模型的分布式训练和优化，本发明允许多个客户端在本地训练电力负荷预测模型，并将模型参数发送到服务器进行聚合和更新，本发明数据集分布在各个客户端本地，从而降低了数据被非法访问或泄露的风险，本发明采用长短期记忆网络LSTM神经网络模型进行电力负荷预测，可以充分利用时间序列数据的特性，提高预测的准确性，在预测过程中利用贝叶斯优化算法对正则化超参数进行优化，可以进一步提高模型的性能，使预测结果更加准确。