智能电网是最复杂的网络物理系统之一,存在诸多潜在信息攻击风险,如针对数据完整性的虚假数据注入攻击会影响状态估计的可靠性和安全性。目前关于盲虚假数据注入攻击检测与量测信息修复研究仍存在诸多不足:第一,高估攻击构造对系统信息的依赖程度,低估盲虚假数据注入攻击能力,对此传统基于模型的检测方法和边界防护体系难以应对;第二,研究抗攻击的量测数据修复策略时,大多通过设计弹性状态估计器提高对于恶意信息攻击的防御能力,但是基于模型的量测数据修复方法对稀疏恶意攻击不敏感,难以修复受到盲虚假数据注入攻击的量测数据。针对以上工作的不足,本文主要研究基于数据驱动的智能电网信息攻击检测与修复研究。具体研究内容如下:1.研究了一种基于联合图像变换技术的量测数据样本映射方法。考虑盲虚假数据注入攻击的根本目标是影响量测数据,利用对数变换和幂律变换拉伸和压缩量测数据变化量概率分布,使其特征更显著,为后续攻击检测与量测数据修复提供数据基础。最后基于IEEE14节点系统的标准算例验证了该方法的有效性。2.提出了一种基于移地距离的虚假数据注入攻击检测方法。从数据挖掘角度出发,考虑相邻时刻量测数据的动态相关性,根据移地距离结合联合图像变换技术量化不同量测数据变化量概率分布之间的差异,并采用99%置信区间对攻击检测阈值进行确定,比较受攻击时的移地距离大小与预先设定的阈值从而检测虚假数据注入攻击。最后通过实例仿真分析验证了所提检测方法的优越性。3.设计了一种基于数据驱动的双层量测信息修复模型。模型上层为识别层,采用主成分分析对量测数据进行特征降维,结合孤立森林算法分离遭受攻击的量测数据;模型下层为重构层,基于条件Wasserstein生成对抗网络对缺失量测数据进行修复,提高电网受攻击后恢复的自愈能力。最后通过仿真结果验证了以上修复策略的有效性。