1.基于联邦学习的电力数据隐私保护恢复方法，其特征在于，该方法包含以下步骤：S1：服务器(1)中的服务器联邦学习模块(12)初始化部分隐特征矩阵数据、线性偏差以及联邦学习参数，并存储到服务器数据存储模块(11)；

S2：客户端装置(2)初始化隐特征向量以及本地线性偏差，并存储到恢复数据存储单元(222)；

S3：服务器数据存储模块(11)将部分隐特征矩阵数据和线性偏差发送给所有的客户端装置(2)，存储到服务器数据储存单元(223)；

S4：电力数据接收模块(21)接收辖区电网中安装的电力数据采集设备反馈的不完备电力负荷数据，并存入电力数据模块(22)中的电力数据存储单元(221)；

S5：数据恢复模块(23)利用张量隐特征分解方法计算近似电力负荷数据矩阵，并存储到恢复数据存储单元(222)；

S6：数据恢复模块(23)重复多次利用混合填充方法按照一定的概率对部分不完备电力负荷数据进行填充，并存储到恢复数据存储单元(222)；

S7：基于电力负荷数据矩阵以及填充的不完备电力负荷数据，数据恢复模块(23)对隐特征向量以及本地线性偏差进行更新，并计算出联邦学习梯度数据；

S8：服务器数据储存单元(223)将联邦学习梯度数据发送给服务器(1)；

S9：服务器(1)利用联邦学习梯度数据对部分隐特征矩阵数据和线性偏差进行更新；

S10：重复步骤S3～S9，直到最大迭代次数，此时，所有客户端装置(2)完成了隐私保护下的数据恢复；

其中，所述的部分隐特征矩阵数据为空间矩阵S＝[sjr]1≤j≤|J|,1≤r≤R和时间矩阵T＝[tkr]1≤k≤|K|，1≤r≤R，初始化时随机生成；其中，J为客户端装置(2)辖区内电力数据采集设备的集合；

所述的联邦学习参数包含：最大迭代次数Nm，学习率η，以及隐特征正则化系数λ，偏差正则化系数λb；K为采样时间隙的集合；|·|为集合元素个数；R为设定的秩，为正整数；

对于客户端i，其数据矩阵Xi为|J|×|K|维，其中，测量数据构成集合Λi，未知数据构成集合Γi；所述的步骤S6具体为：S601：按照概率ρ从Γi中选取ρ·|Λi|个元素构成集合Λ′i；

S602：对其中x′ijk∈Λ′i，按照下式进行混合填充：

其中，xijk∈Λi， n为重复的迭代次数，Npredict为预先设定的阈值；

进一步，所述的步骤S7具体为：

S701：计算客户端梯度

S702：遍历r＝1～R，利用客户端梯度更新隐特征向量以及本地线性偏差S703：遍历r＝1～R，计算联邦学习梯度数据 为：

进一步，步骤S9所述的对部分隐特征矩阵数据和线性偏差进行更新为：遍历r＝1～R，按照 进行更新。

2.根据权利要求1所述的基于联邦学习的电力数据隐私保护恢复方法，其特征在于，步骤S1所述的线性偏差为空间线性偏差b＝[bj]1≤j≤|J|和时间线性偏差c＝[ck]1≤k≤|K|，初始化时由小扰动随机生成。

3.根据权利要求1所述的基于联邦学习的电力数据隐私保护恢复方法，其特征在于，步骤S2中客户端i对应的所述的隐特征向量为ui＝(uir)1≤r≤R和本地线性偏差为ai；初始时随机生成。

4.根据权利要求1所述的基于联邦学习的电力数据隐私保护恢复方法，其特征在于，步骤S2所述的隐特征向量以及本地线性偏差，可以在随机生成的基础上利用已知数据进行迭代更新，生成更加准确的隐特征向量以及本地线性偏差，以提高方法的稳定性和快速性，具体的迭代更新公式为：S201：计算梯度， 其中， xijk

为客户端i对应的电力数据采集设备j在k时间隙测量的数据；

S202：遍历所有的测量数据，更新隐特征向量以及本地线性偏差

S203：重复多次直到隐特征向量以及本地线性偏差变化在设定的阈值范围内。

5.根据权利要求1～4任意一项所述的基于联邦学习的电力数据隐私保护恢复装置，其特征在于，由一个服务器(1)和N个客户端装置(2)组成，彼此通过网络连接进行数据通讯；

所述的服务器(1)包含：服务器数据存储模块(11)、服务器联邦学习模块(12)；一个所述的客户端装置包含：电力数据接收模块(21)、电力数据模块(22)、数据恢复模块(23)、客户端联邦学习模块(24)；所述的电力数据模块(22)包括电力数据存储单元(221)、恢复数据存储单元(222)、服务器数据储存单元(223)，其中N为大于1的正整数。

6.根据权利要求5所述的基于联邦学习的电力数据隐私保护恢复装置，其特征在于，所述的服务器数据存储模块(11)用于接收并储存客户端装置(2)中服务器数据储存单元(223)发送的联邦学习梯度数据，以及存储并向客户端装置(2)发送服务器联邦学习模块(12)计算的部分隐特征矩阵数据。

7.根据权利要求5所述的基于联邦学习的电力数据隐私保护恢复装置，其特征在于，所述的服务器联邦学习模块(12)根据联邦学习梯度数据更新服务器中的部分隐特征矩阵数据，并存储到服务器数据存储模块(11)中。

8.根据权利要求5所述的基于联邦学习的电力数据隐私保护恢复装置，其特征在于，所述的电力数据接收模块(21)，用于接收客户端装置(2)辖区电网中安装的电力数据采集设备反馈的不完备电力负荷数据，并指示电力数据模块(22)中的电力数据存储单元(221)存储不完备电力负荷数据。

9.根据权利要求5所述的基于联邦学习的电力数据隐私保护恢复装置，其特征在于，所述的数据恢复模块(23)利用电力数据模块(22)中的电力数据存储单元(221)存储不完备电力负荷数据和服务器数据储存单元(223)存储的部分隐特征矩阵数据，执行电网不完备电力负荷数据恢复过程，并将所恢复的恢复数据存入电力数据模块(22)中的恢复数据存储单元(222)。

10.根据权利要求5所述的基于联邦学习的电力数据隐私保护恢复装置，其特征在于，所述的客户端联邦学习模块(24)利用电力数据模块(22)中的不完备电力负荷数据、部分隐特征矩阵数据以及恢复数据，实现联邦学习梯度数据的计算，并存储到服务器数据储存单元(223)中。