1.一种企业用电负荷预测方法，应用于电网业务子系统，其特征在于，包括：电网业务子系统获取目标企业的用电数据；电网业务子系统将所述用电数据输入至第一联合预测模型进行模型运算，以获得所述第一联合预测模型输出的预测结果；其中，所述第一联合预测模型为设置于所述电网业务子系统，且根据联邦学习协作模型发送的第三模型参数更新后的深度学习模型；所述第三模型参数的配置方式为：所述联邦学习协作模型根据获取到的第一模型参数和第二模型参数，通过联邦学习参数同态加密方式进行参数优化，得到所述第三模型参数，其中，所述第一模型参数为所述第一联合预测模型上传的模型参数，所述第二模型参数为第二联合预测模型上传的模型参数，所述第二联合预测模型为设置于所述目标企业的企业业务子系统，且根据联邦学习协作模型发送的第三模型参数更新后的深度学习模型；所述第一模型参数的生成过程包括：电网业务子系统获取所述目标企业的用电数据；电网业务子系统将所述用电数据输入至第一联合预测模型进行模型训练，基于训练后的所述第一联合预测模型，得到所述第一模型参数，其中，所述第一模型参数包括：损失函数和梯度参数；所述第二模型参数的生成过程包括：企业业务子系统获取所述目标企业的经营数据；企业业务子系统将所述经营数据输入至第二联合预测模型进行模型训练，基于训练后的所述第二联合预测模型，得到所述第二模型参数，其中，所述第二模型参数包括：损失函数和梯度参数。
2.根据权利要求1所述的一种企业用电负荷预测方法，其特征在于，获得所述第一联合预测模型输出的预测结果之后还包括：电网业务子系统将所述预测结果上传至所述联邦学习协作模型，使得所述联邦学习协作模型根据所述预测结果对所述第三模型参数进行更新，并向所述电网业务子系统反馈更新后的第三模型参数。
3.根据权利要求1所述的一种企业用电负荷预测方法，其特征在于，所述用电数据具体包括：用电计量数据。
4.根据权利要求1所述的一种企业用电负荷预测方法，其特征在于，所述经营数据具体包括：企业规模数据、业务类型数据以及业务量数据。
5.根据权利要求1所述的一种企业用电负荷预测方法，其特征在于，所述用电数据还包括：环境影响量化数据和电费回收数据；所述环境影响量化数据的生成方式具体包括：所述电网业务子系统根据获取外部环境报告文本，通过文本特征提取方式，得到若干个外部环境特征；所述电网业务子系统根据所述外部环境特征，基于所述电网业务子系统保存的外部环境特征与特征量化分值的对应关系，通过比对得到所述环境影响量化数据。
6.根据权利要求1所述的一种企业用电负荷预测方法，其特征在于，所述经营数据还包括：环境影响量化数据；所述环境影响量化数据的生成方式具体包括：所述企业业务子系统根据获取外部环境报告文本，通过文本特征提取方式，得到若干个外部环境特征；企业业务子系统根据所述外部环境特征，基于所述电网业务子系统保存的外部环境特征与特征量化分值的对应关系，通过比对得到所述环境影响量化数据。
7.一种电网业务子系统，其特征在于，包括：用电数据获取单元，用于获取目标企业的用电数据；负荷预测单元，用于将所述用电数据输入至第一联合预测模型进行模型运算，以获得所述第一联合预测模型输出的预测结果；其中，所述第一联合预测模型为设置于所述电网业务子系统，且根据联邦学习协作模型发送的第三模型参数更新后的深度学习模型；所述第三模型参数的配置方式为：所述联邦学习协作模型根据获取到的第一模型参数和第二模型参数，通过联邦学习参数同态加密方式进行参数优化，得到所述第三模型参数，其中，所述第一模型参数为所述第一联合预测模型上传的模型参数，所述第二模型参数为第二联合预测模型上传的模型参数，所述第二联合预测模型为设置于所述目标企业的企业业务子系统，且根据联邦学习协作模型发送的第三模型参数更新后的深度学习模型；所述第一模型参数的生成过程包括：电网业务子系统获取所述目标企业的用电数据；电网业务子系统将所述用电数据输入至第一联合预测模型进行模型训练，基于训练后的所述第一联合预测模型，得到所述第一模型参数，其中，所述第一模型参数包括：损失函数和梯度参数；所述第二模型参数的生成过程包括：企业业务子系统获取所述目标企业的经营数据；企业业务子系统将所述经营数据输入至第二联合预测模型进行模型训练，基于训练后的所述第二联合预测模型，得到所述第二模型参数，其中，所述第二模型参数包括：损失函数和梯度参数。
8.一种企业用电负荷预测系统，其特征在于，包括：电网业务子系统、企业业务子系统以及联邦学习服务器；所述联邦学习服务器配置有如权利要求1至6任意一项所述的联邦学习协作模型。
