1.一种基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：所述基于数据隐私保护的油浸变压器分布式故障诊断方法包括如下步骤：S1、获取N个变压器站点的油中溶解气体数据并存入对应的本地数据库，各本地数据库之间不进行数据共享；

S2、对各本地数据库的油中溶解气体数据进行归一化处理，基于改良三比值法为归一化处理后的数据进行分组并打上标签；

S3、将打上标签的数据进行双向平铺加强，并对应转换为二维图像；

S4、基于联邦学习构建变压器故障诊断模型，所述变压器故障诊断模型包括一个中央服务端和N个参与者客户端，所述参与者客户端与变压器站点一一对应，各所述参与者客户端配置有本地模型，所述本地模型为卷积神经网络模型，所述中央服务端采用FedAvg算法进行本地模型参数的聚合；

S5、分别将各变压器站点的二维图像输入对应的本地模型进行训练，获得本地模型参数；

S6、为本地模型参数添加高斯噪声进行差分隐私处理；

S7、将差分隐私处理后的本地模型参数上传至中央服务端进行聚合，并将聚合后的本地模型参数下发至本地模型，返回执行步骤S5，直至完成预设训练次数，获得最优的变压器故障诊断模型。

2.如权利要求1所述的基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：所述油中溶解气体数据包括H2、CH4、C2H6、C2H4和C2H2五种气体。

3.如权利要求2所述的基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：所述对各本地数据库的油中溶解气体数据进行归一化处理，公式如下：其中， 为每组数据中五种气体的总含量， 为CH4、C2H6、C2H4和C2H2气体的总含量，和 依次为H2、CH4、C2H6、C2H4、C2H2经归一化处理后的油中溶解气体含量。

4.如权利要求1所述的基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：所述卷积神经网络模型为LeNet‑5网络模型。

5.如权利要求1所述的基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：所述为本地模型参数添加高斯噪声进行差分隐私处理前还要进行梯度裁剪。

6.如权利要求5所述的基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：高斯噪声满足如下公式：其中，

式中，Δf为差分隐私的敏感度，δ为松弛因子，ε为隐私预算，Dk为参与者客户端k的样本含量，k＝1,2,…,N，C为梯度裁剪系数。

7.如权利要求6所述的基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：训练过程中，各所述本地模型参数的更新公式如下：k

其中， 和 分别为参与者k第t次迭代和第t+1次迭代的权重参数，Fk(ω )为参与者2

k的损失函数， 为梯度算子，R为学习率；N(0,σ)为满足高斯分布的随机噪声。

8.如权利要求7所述的基于数据隐私保护的油浸变压器分布式故障诊断方法，其特征在于：所述将差分隐私处理后的本地模型参数上传至中央服务端进行聚合，公式如下：其中， 为参与者k第t+1次迭代的权重参数，N为参与者客户端数量。