电力信息通信网络的逐步扩大,使得电力系统的信息机房设备数量、信息运维工作量迅速增加。信息机房是一个集中数据存储、数据传送、数据管理的地方,其安全稳定对电力信息通信网络的运行起着至关重要的作用。对信息机房监测及安全评估可以让运维人员掌握目前信息机房的设备运行状况、内部动力环境等信息;通过对相关数据进行异常辨识,发现信息机房存在的安全隐患,为信息机房进行安全评估,对做出合理决策具有重要意义。本文分别从信息机房监测信息异常辨识方法和信息机房模糊安全评估模型两方面对信息机房安全运维进行了研究:针对信息机房监测信息异常辨识方面,各监测数据模式繁多,不宜直接构建检测模式;异常数据少,很难通过简单的阈值进行异常辨识;需要快速识别出监测数据中的异常等问题,本文提出了正常簇的边界样本异常辨识方法,该方法首先根据改进的CURE聚类算法获取样本中的正常样本;然后通过边界样本获取算法得到正常簇的边界样本,以此作为异常检测器;最后按照边界样本异常辨识方法对监测信息进行异常辨识。经过实验分析,该异常辨识方法快速、准确,为信息机房监测运维中对异常辨识、隐患的排查提供了可行方法,该方法具有实时、历史数据中异常处理的能力。在信息机房模糊安全评估中,针对于信息机房灾害事件具有不确定性,影响因素具有模糊性,信息机房安全风险评估专业性不强,其影响评估结果的因素较多等问题,提出了基于最优聚类条件的模糊安全评估模型。对待评估数据集利用最优聚类条件进行模糊集划分,确定模糊隶属函数及各指标权值,最后建立多因素二级评估模型,加强安全评估的有效性,通过实验分析,模型能够对信息机房的安全状况进行有效评估,同时使信息运维人员更好的了解信息机房的整体状况,对主要安全问题做出科学合理的判断。结合以上理论研究,本文给出了信息机房监测及安全评估平台设计,从五个层次讨论了平台的整体功能模块,分别为规范底层接口、数据存储、核心控制、核心计算、虚拟可视化等几个模块,为信息运维人员提供了一套集数据存储、数据分析、数据展示于一体的平台。通过平台的设计实现,构建了信息机房的虚拟场景,并结合信息机房监测异常辨识结果和信息机房模糊安全模糊评估结果,将信息机房安全运维状况展现在虚拟场景中,使得信息运维人员能够通过对信息机房的虚拟场景管理对日常信息运维工作做出决策。