可视化技术凭借其优秀的数据展示及信息探索能力，在理解、诊断和优化数据分析模型中扮演着越来越重要的角色。随着信息化和网络化的不断推进，电网信息安全问题日益严峻。入侵检测作为电网信息安全基础，其重要性不言而喻。然而面对复杂的电网结构、海量的实时数据、不断增多的高级可持续威胁，入侵检测效果往往并不理想，迫切需要能有效展示海量数据，帮助操作员理解、诊断、优化入侵检测模型的可视化技术。目前，电网入侵检测与可视化技术结合不够紧密，本文在对可视化技术及其在电网入侵检测的需求进行深入研究的基础上，提出了基于可视化技术的电网入侵检测框架及具体实现方法，并利用电网信息层及物理层数据对该方法进行了分析与验证。　　本文首先从可视化参考模型、显示交互技术及可视化分析应用三个方面出发对可视化技术进行了全面论述。然后针对电网典型架构及其信息物理特性，探讨了电网特有的信息安全问题，详细分析了可视化在电网入侵检测中的应用需求，基于此提出了异常检测模型结合多域可视化优化的电网入侵检测框架。随后在该框架的基础上，结合基于支持向量机的电网入侵检测具体流程，提出了一种面向可视化分析的基于支持向量机的电网入侵检测方法，打破传统入侵检测的“黑盒”模式，实现预处理-分析-评估全过程的可视化展示，同时提出基于人在环下的入侵检测可视化优化方法，主要从电网多源数据预处理（数据域）、基于随机森林与信息增益的电网关键特征选择（特征域）及基于支持向量机的入侵检测（算法域）三个主要方面进行体现，保障入侵检测模型的可理解性及迭代优化。随后，考虑到电网信息层和物理层的差异，将两层网络运行数据集分别应用在上文所述方法中，信息层入侵检测准确度从83.46%提升至98.60%，物理层入侵检测准确度从78.33%提升至80.54%，实验结果表明了该方法的合理性及有效性。