本发明提供一种面向抽水蓄能电站智能巡检的联邦学习隐私保护方法，包括如下步骤：S1：对参与联邦学习的设备本地训练得到的模型参数，使用基于阈值自适应的参数压缩方法进行压缩，选出与服务器通信的设备；S2：对步骤S1中与服务器通信的设备上传的本地模型参数增量，先使用基于多密钥RNS‑CKKS的加密方法进行加密，再上传给服务器；S3：服务器聚合步骤S2中设备上传的本地模型参数增量的密文得到全局模型参数增量的密文，并使用基于秘密共享的解密方法联合在线设备解密密文得到全局模型参数增量，传回给设备；S4：设备利用步骤S3中的全局模型参数增量恢复全局模型参数，进行下一轮的迭代学习。本发明将全同态加密技术与联邦学习相结合解决了现有技术中抽水蓄能电站智能巡检系统中各类物联网终端设备不够智能及巡检数据的隐私泄露问题，同时解决了将全同态加密方法应用到联邦学习中导致的系统开销大的问题。