1.一种基于数据驱动的电力系统受攻击量测数据二层修复方法，其特征在于：包括以下步骤：

步骤1，依据地区电网的网络参数信息建立各拓扑结构下的物理‑数据协同驱动的量测回归模型，模拟虚假数据注入攻击工况下被攻击的量测向量；

步骤2，将所有量测数据转换到同一尺度内，使用多维缩放法对归一化数据进行降维；

步骤3，对多维缩放法降维后的数据用联邦森林算法进行虚假数据分离；

步骤4，将受攻击数据分离后的正常量测数据输入条件边界均衡生成对抗网络的生成器G，生成量测数据G(z)；

步骤5，将生成的量测数据G(z)和历史量测数据回归模型注入判别器D通过计算真实样本和生成样本的重构误差分布之间的海林格距离来判别真伪；

步骤6，根据判别结果反向传输至步骤3，用参数k来帮助D和G的平衡，用超参数γ来平衡样本多样性和样本质量，用M来判断边界均衡生成对抗网络是否收敛；

步骤7，重复步骤3至步骤6，直到改进条件边界均衡生成对抗网络接近收敛后结束，此时生成量测数据的重构误差分布逼近历史量测数据的重构误差分布，修复完成。

2.根据权利要求1所述的一种基于数据驱动的电力系统受攻击量测数据二层修复方法，其特征在于：步骤1中，所述网络参数信息包括：电网的物理网络拓扑信息及其标签特性、网络中各节点和支路的阻抗及对地电容；电力系统量测量包括支路功率、节点注入功率、节点电压幅值；m个量测量z组成的m维量测向量Z，用于估算电力系统中的包括节点电压幅值和相角的状态变量。

3.根据权利要求1所述的一种基于数据驱动的电力系统受攻击量测数据二层修复方法，其特征在于：步骤1中，所述量测回归模型是指时间间隔为t的物理‑数据协同驱动的真实量测向量 的非线性回归模型，如下所示：式中， Vi和Vj表示依赖网络拓扑结构的节点电压幅值，Pij和Qij分别表示支路有功功率和无功功率；γt和δt为时间间隔t的测量系数，l(·)表示节点注入有功功率与无功功率之间的非线性关系，f(·)表示电导gij，电纳bij和相角θij之间的非线性关系；et为预测量测量与实际量测量的偏差，为随机噪声。

4.根据权利要求1所述的一种基于数据驱动的电力系统受攻击量测数据二层修复方法，其特征在于：步骤2中，所述多维缩放法降维包括如下步骤：

2.1根据数据点的距离矩阵计算其内积矩阵；

2.2计算内积矩阵的特征值和特征向量；

2.3取特征值最大的前r个及其对应的特征向量；

2.4得到原始数据集在低维空间的投影。

5.根据权利要求1所述的一种基于数据驱动的电力系统受攻击量测数据二层修复方法，其特征在于：步骤3中，所述联邦森林算法包括如下内容：

3.1对地区电网每一个拓扑结构的降维后数据集进行分类来构建各自的决策树模型，获取各决策树中间节点的分类信息并发送至中心服务器；

3.2中心服务器选取众多分类信息中的最优结果作为最优分类信息分发至所有树模型；

3.3根据该最优分类信息对每一个拓扑结构下的降维后数据集进行重新划分并构建左右子树；

3.4重复以上内容进行迭代，直到模型的各中间节点都满足节点中数据均属同一类别这一条件时停止，得到地区电网各个拓扑结构下正常运行时的模型，通过此模型就可以检测出虚假数据并实现分离。

6.根据权利要求1所述的一种基于数据驱动的电力系统受攻击量测数据二层修复方法，其特征在于：步骤4‑步骤6中，改进条件边界均衡生成对抗网络具体包括如下内容：条件边界均衡生成对抗网络中的生成器G经过多重反卷积层使得生成数据转换为与历史量测数据维数相同的形式，之后才会输入到判别器D中或修复结束；

判别器D中所采用的重构误差为：η

L(i)＝|i‑D(i)|

式中，i为从数据概率分布中采样出的样本；η∈{1，2}，为重构误差常数；从历史量测数据分布pdata中采样计算出的L(i)为真实样本的重构误差，其分布为p1；从由生成器G得到的生成数据分布pg中采样计算出的L(i)为生成样本的重构误差，其分布为p2；

此时，采用海林格距离来处理L(i)：最后得到满足超参数 的损失函数为：式中，y为网络的拓扑信息标签，z为量测量，x为状态变量，E[…]表示数学期望；

当目标M＝L(x|y)+|γL(x|y)‑L(G(z|y))|满足M‑L(x|y)→0时，系统达到均衡，修复完成。