电力系统为社会各行各业提供电能,其安全稳定运行关乎民生及社会的稳定。随着泛在电力物联网的建设,我国电力智能化程度进一步提升,大量各种设备通过通信网和电力网互连形成一个复杂的多维异构系统,即电力信息物理融合系统(Cyberphysical System,CPS)。由于电力CPS感知层传感器节点的随机性以及数据交互通讯信道的开放性,导致系统容易受到网络攻击,如虚假数据注入攻击(False Data Injection Attacks,FDIAs),它是一种专门针对电力CPS中状态估计数据完整性的新型攻击手段。FDIAs通过篡改电网状态值,能成功绕过传统不良数据检测,影响电力系统安全稳定运行,因此,研究高效可行的FDIAs检测方法,对构建安全可靠稳定的电力信息物理系统具有非常重要的意义。本文针对考虑虚假数据攻击的电力信息物理系统检测方法进行深度研究,主要研究内容如下:首先,研究了电力信息物理系统的结构。电力系统通过输配电网络将电厂和用户连接形成一个典型的CPS,电力信息物理系统间的信息交互日益复杂,同时也面临更多网络安全问题。按网络覆盖范围和攻击目的对电力信息物理系统网络攻击进行分类。同时研究了电力系统状态估计中经常使用的加权最小二乘法以及基于残差的不良数据检测法。其次,提出一种基于电力系统动态估计的虚假数据攻击检测方法。详细研究了虚假数据注入攻击的基本原理,通过构造虚假数据攻击向量模型来构建虚假数据,找出最优攻击向量对系统发起虚假数据攻击。同时分别使用基于扩展卡尔曼滤波和基于无迹卡尔曼滤波的检测方法对虚假数据攻击进行检测,对状态估计结果进行一致性检验,结果表明可以成功检测出虚假数据,有效性的验证了所提检测方法的可行性。最后,提出一种基于变噪声统计估值器的自适应无迹卡尔曼滤波的虚假数据攻击检测方法。对无迹卡尔曼滤波进行改进,根据渐消记忆指数调整加权值,引入时变噪声估值器,使无迹卡尔曼滤波更适应系统变化,降低估计误差。仿真实验结果表明基于改进无迹卡尔曼滤波可以有效的识别虚假数据注入攻击,较基于扩展卡尔曼滤波和基于无迹卡尔曼滤波检测的状态估计结果偏差更小,滤波性能得到很大提高。