本发明公开了一种多方协作下的电力数据隐私保护方法、系统、设备及介质，方法包括：通过梯度值对基于联邦学习构建的多方协作下的用能征信评分模型进行参数更新；通过模型损失函数找出使参数更新后的用能征信评分模型准确度最高的输入数据梯度；根据模型训练过程中的最小风险函数进行输入数据梯度裁剪并添加扰动；使用同态加密对梯度裁剪并添加扰动的输入数据进行保护。本发明采用联邦学习既可以保护数据安全和用户隐私，又可以充分利用分散的数据源来提升模型的性能。同时，进行输入数据梯度裁剪并添加扰动，能够有效保证在多方协作数据共享下进行模型训练的数据隐私安全。此外，使用同态加密能够有效保护联邦学习中的用户隐私和数据安全。