智能电网以其高效的资源配置、状态的实时监控和科学的调度决策能力成为未来电力系统的发展趋势。然而,由于电力物理系统与信息系统的深度融合导致智能电网变得更加脆弱,智能电网正面临着恶意攻击等严重安全威胁。电力系统中一旦出现一些故障,或者受到攻击而未能得到及时检测并进行防御,可能会导致严重的后果,带来巨大的经济损失甚至出现安全事故等。因此,基于以上问题,本文研究了电力信息物理系统结构盲识别、虚假数据注入攻击检测、负荷重分配攻击检测和半实物仿真平台搭建及攻击检测实验验证问题。文章的主要内容和贡献包括以下四个方面:（1）本文提出了基于结构特征融合的结构盲识别模型。通过研究拓扑结构模型,深入挖掘出网络结构各种特征,并将网络结构特征作为先验知识融入到结构识别过程中,实现电网结构盲识别模型的构造。该模型因为充分考虑各种结构特征,使得识别精度得到了极大地提升。通过实验证明了所提方法具有精度优势。（2）本文针对虚假数据注入攻击具有隐蔽性的问题,提出了基于攻击特征和系统特征融合的攻击检测模型。本文通过对攻击行为的深入研究,挖掘出攻击矩阵具有结构稀疏性,通过研究系统稳定运行特点,提取出正常测量矩阵具有低秩性。针对攻击检测模型求解复杂的问题,提出的基于结构稀疏矩阵分离的攻击检测优化算法能实现将攻击矩阵和正常测量矩阵进行精确分离。通过大量对比实验证明了所提出的攻击检测算法有效地提高了检测精度。（3）本文基于负荷数据的周期性和波动性特征,提出了基于两阶段学习模型的负荷重分配攻击检测方法。与传统的基于机器学习的有监督学习方法对比,本文考虑到攻击数据少甚至几乎收集不到的实际情况,使用基于无监督学习的检测模型。针对负荷数据具有周期性和波动性特征导致机器学习方法无法精确识别出攻击行为的问题,文章充分考虑数据特征,提出新的攻击检测模型,实现检测精度的大幅度提升。（4）本文基于工业信息物理系统的基础框架,搭建了电力信息物理系统半实物仿真平台,实现信息层与物理层的集成,并在仿真平台上嵌入攻防工具箱,实现在线攻击和检测功能。与基于数值仿真的攻击检测研究相比,半实物仿真能更好地模拟实际系统运行状态,使得攻防过程更加接近实际情况,对攻击检测研究工作具有重要实际意义。图18幅,表11个,参考文献84篇