社会生活的方方面面都离不开电力网络的平稳运行,电力网络的正常运转关系着国家和社会的稳定与发展。近年来,随着信息技术的发展,电力网络和信息技术的结合变得更加紧密。智能电网的概念也随之产生并不断发展,逐渐发展成为电力系统的发展方向。随着信息化的逐渐加深,智能电网的安全问题逐渐增多,攻击手段也呈现出多样化。针对智能电网的众多攻击手段中,假数据注入(False data injection,FDI)攻击对智能电网的安全产生了巨大的威胁。FDI攻击通过向智能电网中的传感器等设备注入数据使得传到控制中心的数据与真实的测量数据不同,进而影响控制中心对系统状态的评估结果,从而使得控制决策出现错误。已有研究提出在众多假数据检测算法中,基于支持向量机(Support Vector Machine,SVM)的假数据检测器有着良好的检测效果并将其应用到智能电网的假数据检测。智能电网中假数据检测模块位于控制中心的能量管理系统中,称为中心检测模型;同时,假数据检测的进程也可以在远端子控制器中进行,称为边缘检测模型。本文基于这两种检测模型下的智能电网,针对基于SVM的假数据检测器提出一种基于超平面偏移的FDI攻击方法与其对应的检测方法。基于超平面偏移的FDI攻击方法核心就是构造空间上位于SVM的超平面邻近的正样本空间区域的攻击向量。然后,将这些攻击向量注入到传感器中,传感器将这些数据通过SCADA系统传到控制中心,控制中心在将这些数据检测之后将其更新到训练集中影响下一次的训练结果,从而达到攻击效果。基于超平面偏移的FDI攻击方法被应用到基于中心检测模型的智能电网和基于边缘检测模型的智能电网中。(1)基于中心检测模型的智能电网中,本文提出了基于数据分布的检测方法和基于关联分析的检测方法。基于数据分布的检测方法是指通过对训练集中数据和控制中心新接收到的数据两者的分布进行比较来检测是否存在攻击;基于关联分析的检测方法是指通过对训练集中数据的变化和电网的外部环境进行分析对比来检测是否存在攻击。(2)基于边缘检测模型的智能电网中,本文提出了基于结点分析的检测方法和基于数据分布的检测方法。基于结点分析的检测方法是指通过对比不同子控制器中的数据差异来检测攻击;基于数据分布的检测方法与中心检测模型下相同。为验证所提攻击与检测方法,本文采用的仿真实验环境为MATLAB,将在Matpower包中的IEEE-14bus,IEEE-39bus和IEEE-118bus标准测试系统中进行仿真实验测试。实验结果表明:本文所提的攻击方法在中心检测和边缘检测两种模型下都取得了相应的攻击效果;同时,本文所提的检测方法也可以有效的通过所提算法而检测出系统是否遭到了攻击。综上所述,本文主要研究了智能电网中的FDI攻击方法与防御方法。针对基于SVM的假数据检测器提出了基于超平面偏移的攻击方法与相应的检测方法,为基于机器学习的假数据检测器研究探讨了可能的攻击方法并提供新防御思路,具有一定的理论和应用价值。