智能电网的主要期望是使控制和自动化过程分布在整个电网中,以实现高效,可靠的双向潮流,这是通过将信息和通信技术(Information and Communication Technologies,ICT)集成到电网中来实现的,使其成为一种网络物理系统(Cyber-Physical System,CPS)。智能电网以其极具发展前景的技术给我们的社会、经济和环境带来革命性的变化。各大小公司都对智能电网技术的新兴市场寄予厚望,纷纷率先推出各种电力设备。然而,安全问题也在这股热潮中呼之欲出,随着各种各样的ICT组件的引入,智能电网的脆安全性也受到了极大的威胁。虚假数据注入(False Data Injection,FDI)攻击是一种具有极高隐秘性的攻击,该攻击自2009年Yao Liu提出以来便引起了智能电网安全研究者们的广泛关注。攻击者利用获取到的电力系统配置知识,发动能躲过不良数据检测的攻击,将虚假的数据注入到状态变量中,使状态结果出现错误,从而导致数据采集与监视系统(Supervisory Control and Data Acquisition,SCADA)做出错误的决策。因此,对FDI攻击的深入研究对保证电网的安全和稳定运行具有十分重要的意义。于是,本文针对FDI攻击的攻击方法和检测方法展开研究,具体内容如下:1.FDI攻击方法的研究:研究提出了一种在掌握局部拓扑信息的情况下基于时间节点的交流FDI攻击方法。攻击者在完全掌握电力系统拓扑结构的情况下发动的攻击成功率最高且破坏性最强,但由于电网对控制中心的保护和远程终端设备(Remote Terminal Unit,RTU)单元分布的环境恶劣,攻击者难以获得完整的系统拓扑结构信息。所以,本文在第三章中提出一个在掌握系统拓扑局部信息情况下的FDI攻击方法。又因为人们每天的生活作息变化使一天中不同时间节点的电力负荷也不断变化,从而使不同时间节点发动攻击所需要破坏的仪表数目不同。因此本文提出了一个基于时间节点的虚假数据注入攻击方法,旨在寻找一个最优的攻击时间节点发动攻击。因为攻击不同线路在不同时间节点所需要破坏仪表的数量不同,而攻击越多的仪表被发现的可能性会增加,因此攻击者会寻找一个发动FDI攻击所需要破坏仪表数量最少的时间节点作为最优的攻击策略。2.FDI检测方法的研究:研究提出了一种结合PCA和SVM的虚假数据注入攻击检测方法:因为电网中的量测数据具有高维相关性,我们可以使用主成分分析方法把测量数据降维,主成分分析方法是一种有效的降维方法,它能在降维后最大化投影方差,间接地最大化了正常数据与异常数据的差异,从而提升了检测的正确率。而支持向量机(SVM)是机器学习中常用的分类方法,其基本的想法就是基于训练集在样本空间中寻找一个最佳的划分超平面,将不同类别分开。在对新的数据进行分类时速度极快,只需要判断坐标位于边界线的哪一侧即可。因此本文在通过结合PCA和SVM的方法能有效地进行FDI检测并且能有效减少训练和测试时间。3.本文所提出的攻击方法和检测方法分别在IEEE 14-bus和IEEE 118-bus标准测试系统上进行实验,通过仿真结果验证所提出方法的有效性。