1.一种智能电网双重采样优化的差分隐私联邦学习方法，其特征在于，该方法包括以下步骤：S1.联邦学习中央控制服务器初始化联邦学习全局模型参数  以及联邦学习每轮迭代选取的MEC服务器数量为m；

S2.对于每轮迭代，中央控制服务器以固定概率对MEC服务器进行预采样，选择一批MEC服务器用于本地训练，获得局部模型参数；

S3.中央控制服务器收集来自预采样MEC服务器的局部模型参数，对局部模型参数进行聚合，并添加噪声，生成二次采样权重；

S4.在预采样的MEC服务器批次中，中央控制服务器通过采样权重进行二次采样，选择一批MEC服务器的本地局部参数，并进行加权聚合，生成本轮迭代的全局参数；

S5.若迭代次数达到阈值 ，则控制服务器广播全局模型参数 ，否则重复步骤S2‑S4, 进行下一轮迭代。

2.根据权利要求1所述的一种智能电网双重采样优化的差分隐私联邦学习方法，其特征在于，所述联邦学习系统包括N个MEC服务器以及 1个中央控制服务器， 表示第n个MEC服务器， ；MEC服务器包括智能电表用电数据聚合模块以及本地联邦学习局部预测模型；所述用电数据聚合模块功能是收集区域内所有智能电表的电力数据，用于生成各个本地MEC服务器本地训练时的用电数据集；各MEC服务器采用所述用电数据集训练自身的联邦学习局部预测模型，所述中央控制服务器负责联邦学习模型初始化，模型局部参数聚合，全局模型更新的任务。

3.根据权利要求2所述的一种智能电网双重采样优化的差分隐私联邦学习方法，其特征在于，所述步骤S2中的预采样方法如下：确定预采样选取的数量为 ， 取大于1的正整数，以固定概率为

采样获得的MEC服务器批次 ，对于联邦学习第 次迭代过程中，中央控制服务器针对预采样的MEC服务器批次 中的MEC服务器 生成局部模型参数 ,， 表示本地MEC服务器 第 次迭代的局部参数，并广播发送到对应本地MEC服务器，本地MEC服务器接收局部模型参数并以此为此轮训练初始模型参数，使用本地数据集训练联邦学习局部预测模型，经梯度裁剪获得局部模型参数 ， 表示本地MEC服务器 第 次迭代的局部参数。

4.根据权利要求3所述的一种智能电网双重采样优化的差分隐私联邦学习方法，其特征在于，各个本地MEC服务器接收的局部参数 ，基于使用本地数据集训练联邦学习局部预测模型获得下轮局部模型参数 的具体方法如下：S41，某一个MEC服务器从本地数据集中随机选择一部分数据生成训练集样本 ；

S42，以MEC服务器接收的局部参数 为初始模型参数 ，即 ，以训练集样本通过随机梯度下降算法训练得到局部模型参数的梯度 ,其中， 表示以数据集 进行第v轮本地训练的局部模型参数的梯度；

S43，利用梯度正则化边界阈值C对局部模型参数梯度 进行裁剪，并更新模型参数；

S44，本地训练预设的训练次数为 ,若训练次数小于 ,则重复上述步骤S41‑S43；经过 轮训练迭代，输出 。

5.根据权利要求4所述的一种智能电网双重采样优化的差分隐私联邦学习方法，其特征在于，所述步骤S43中，本地MEC服务器局部模型裁剪更新公式为：;

其中， 表示第v次迭代后更新的MEC服务器本地局部参数值， 表示第v‑1次迭代后更新的MEC服务器本地局部参数值， 代表本地训练模型学习率， 表示 的二阶矩。

6.根据权利要求5所述的一种智能电网双重采样优化的差分隐私联邦学习方法，其特征在于，所述步骤S3具体方法如下：MEC服务器上传训练完的局部模型参数，中央控制服务器收集所有MEC服务器上传的本地局部预测模型参数，并根据收集到的数据得到二范数和 ，并为其添加符合差分隐私的高斯噪声得到 ，最终得到二次采样权重 ，具体高斯噪声加噪公式为：;

其中， 表示符合差分隐私机制的高斯噪声尺度值，所述符合差分隐私

机制的高斯噪声是指添加的噪声值符合高斯分布且使本地模型参数符合差分隐私， 表示全局敏感度， 表示控制服务器设置的隐私预算值， 表示获得未加噪声概率，指的是 的二阶矩。

7.根据权利要求6所述的一种智能电网双重采样优化的差分隐私联邦学习方法，其特征在于，所述步骤S4具体方法如下：以采样权重 进行二次采样获得二次采样MEC服务器批次 ，控制服务器对二次采样得到的MEC服务器本地局部参数进行加权聚合，具体公式为：;

其中， 为新一轮的全局模型参数， 为第b个MEC服务器的局部模型参数，表示 批次中所有MEC服务器总数据样本数量， 为第b个MEC服务器参与训练的数据样本数量与 批次中所有MEC服务器总数据样本数量的比例。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序执行权利要求1‑7任一项所述的一种智能电网双重采样优化的差分隐私联邦学习方法。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1‑7中任一项所述的一种智能电网双重采样优化的差分隐私联邦学习方法。