1.一種電動汽車充電狀態(tài)監(jiān)測方法，其特征在于，應用于區(qū)塊鏈網(wǎng)絡中的任一節(jié)點，所述區(qū)塊鏈網(wǎng)絡中存儲有全局模型參數(shù)，所述全局模型參數(shù)由所述區(qū)塊鏈網(wǎng)絡中各個節(jié)點根據(jù)歷史充電數(shù)據(jù)在本地訓練得到的局部模型參數(shù)聚合得到；
2.根據(jù)權利要求1所述的電動汽車充電狀態(tài)監(jiān)測方法，其特征在于，所述方法還包括：
3.根據(jù)權利要求2所述的電動汽車充電狀態(tài)監(jiān)測方法，其特征在于，所述本地預測結果和所述全局預測結果均有多個；針對多個所述本地預測結果和多個所述全局預測結果，計算得到的標準偏差和平均絕對誤差有多個；
4.根據(jù)權利要求1-3中任一項所述的電動汽車充電狀態(tài)監(jiān)測方法，其特征在于，所述區(qū)塊鏈網(wǎng)絡中存儲的所述全局模型參數(shù)是密態(tài)全局模型參數(shù)，所述區(qū)塊鏈網(wǎng)絡中部署有第一智能合約，所述第一智能合約用于獲取所述密態(tài)全局模型參數(shù)對應的目標全局模型；所述密態(tài)全局模型參數(shù)是對所述區(qū)塊鏈網(wǎng)絡中各個節(jié)點在本地訓練得到的局部模型參數(shù)添加了噪聲后得到的隱私局部模型參數(shù)進行密態(tài)聚合得到的；
5.根據(jù)權利要求1-3中任一項所述的電動汽車充電狀態(tài)監(jiān)測方法，其特征在于，所述區(qū)塊鏈網(wǎng)絡中存儲的所述全局模型參數(shù)是密態(tài)全局模型參數(shù)，所述密態(tài)全局模型參數(shù)是對所述區(qū)塊鏈網(wǎng)絡中各個節(jié)點在本地訓練得到的局部模型參數(shù)添加了噪聲后得到的隱私局部模型參數(shù)進行密態(tài)聚合得到的，所述區(qū)塊鏈網(wǎng)絡中部署有第二智能合約，所述第二智能合約用于對所述隱私局部模型參數(shù)進行密態(tài)聚合；
6.根據(jù)權利要求5所述的電動汽車充電狀態(tài)監(jiān)測方法，其特征在于，所述待訓練的局部模型包括待訓練的卷積運算子模型和待訓練的雙向循環(huán)門控單元子模型；
7.根據(jù)權利要求5所述的電動汽車充電狀態(tài)監(jiān)測方法，其特征在于，在對所述訓練完成的局部模型的局部模型參數(shù)添加噪聲之前，所述方法還包括：
8.一種電動汽車充電狀態(tài)監(jiān)測裝置，其特征在于，應用于區(qū)塊鏈網(wǎng)絡中的任一節(jié)點，所述區(qū)塊鏈網(wǎng)絡中存儲有全局模型參數(shù)，所述全局模型參數(shù)由所述區(qū)塊鏈網(wǎng)絡中各個節(jié)點根據(jù)歷史充電數(shù)據(jù)在本地訓練得到的局部模型參數(shù)聚合得到；
9.一種非臨時性計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)權利要求1-7中任一項所述方法的步驟。
10.一種電子設備，其特征在于，包括：