随着太阳能发电以及风力发电技术的不断发展,越来越多的分布式电源接入到配电网中,传统的单电源配电网正逐渐转变为多电源的有源配电网。相比于传统配电网,有源配电网的控制与运行更为复杂,传输信息量大,难以避免坏数据、拓扑错误等不良数据,容易造成状态估计的不准确。而新能源自身的随机性、间歇性等特点,也给不良数据辨识带来干扰。另外,相比于大电网,有源配电网信息通信系统的网络构成多元混杂,网络访问权限相对开放,安全防御措施远没有大电网信息通信系统完备。这使得黑客易获取相关的系统量测配置以及实时量测信息,构建出恶意注入电网不良数据的攻击向量,导致系统数据安全受到严重威胁。因此,研究适用于有源配电网发展的状态估计以及针对虚假数据注入攻击的检测和防御方法具有十分重要的意义。本文考虑非线性模型下的虚假数据注入攻击,针对有源配电网,提出了一种基于平均一致性算法的多区域分布式状态估计方法,以及一种基于神经网络的虚假数据注入攻击检测与不良数据修正方法,具体工作如下:1.介绍了基于电力系统状态估计原理以及虚假数据注入攻击原理,研究分析了基于非线性状态估计下的虚假数据注入攻击构造方法。2.考虑到有源配电网量测误差大、易遭受虚假数据攻击等问题,提出了一种面向有源配电网的多区域分布式状态估计方法,各子区域间通过平均一致性算法进行信息交互,在易受攻击的节点配置PMU进行保护并为子区域提供电压幅值以及相角量测。在IEEE-118配电网节点系统中仿真验证,结果表明所提方法能够有效减少测量噪声以及虚假数据注入攻击对状态估计的影响。3.提出了一种基于神经网络的虚假数据检测与修正方法,通过残差检测以及全连接神经网络判断系统是否遭受虚假数据注入攻击,并采用多变量LSTM时间序列预测模型对不良数据进行预测修正。通过仿真验证,结果表明所提方法可以有效识别虚假数据注入攻击并对不良数据进行修正。