信息化的逐步深入,使得各种国家和政府特殊部门的基础设施均受到影响,包括金融网、电力网、通信网等。电力系统是重要的国家关键基础设施,其安全稳定运行关系到国家安全和社会安定。电力系统的控制中心根据电网运行状态实时发出相应的命令,保证电网的正常运行。虚假数据注入攻击是近年出现的一种新型攻击方式,它可以躲避控制中心传统的不良数据的检测,改变系统状态估计结果,误导控制中心做出错误的决策。针对这种恶意攻击的防御和检测的研究还处于初步阶段,尤其是分布式系统中的研究更是不足。因此,在智能电网环境下,研究分布式网络系统中的虚假数据注入攻击检测方法,具有十分重要的理论与现实意义。本文主要研究了分布式网络系统中虚假数据注入攻击的检测。首先为了给后续的攻击检测提供良好的系统环境,对电力系统的分区进行深入研究,提出改进的分区算法,考虑节点相似性以及安全控制与保密政策等,完成最优分区。接着研究了虚假数据注入攻击的原理,以及量测数据的预处理——状态估计,为了改善算法参数对电网结构的自适应,进一步提高算法输出的精度和收敛速度等,提出了自适应的分布式状态估计算法,得到精度更高的状态估计值,更利于不良数据的检测。分析了传统的几种坏数据检测方法,为了进一步有效检测虚假数据注入攻击,以节点状态变量的马可夫图与电力系统功率的拓扑结构一致为基础,提出分布式结构学习算法和自适应分布式结构学习算法,学习马可夫图并与拓扑结构进行匹配来判断系统是否受到虚假数据注入攻击。还提出了针对虚假数据注入攻击的检测报警机制。最后通在IEEE 14-bus测试系统中分别对上述算法进行仿真测试,验证所提出算法的有效性。