信息网与物理网日益紧密的耦合交互促使电力系统呈现典型信息物理系统特征。但这也同时方便了网络攻击者将信息侧的风险传递至物理侧中,导致电力系统设备故障与停电事故等严重后果的发生。虚假数据注入攻击作为一种新型网络攻击能够在躲避坏数据检测和辨识的基础上,篡改状态估计结果,操纵潮流走向,严重威胁电力系统的安全稳定运行。此外,配电网中各类终端设备的数据保护更为薄弱,数据计算和信息处理能力也十分有限,因此配电自动化系统面临着更大的网络攻击威胁。本文首先介绍了电力系统状态估计的定义、分类和研究现状,同时阐述了能量管理系统中量测坏数据检测和辨识算法的漏洞。在此基础上,引出了虚假数据注入攻击的发动原理以及两类信息条件下的攻击构建方案。考虑到配电网量测冗余度的不足,提出了基于云自适应粒子群优化脉冲神经网络的伪量测建模方法;此外,将扩展卡尔曼滤波与无迹卡尔曼滤波的融合估计结果作为粒子滤波的先验建议分布,构造基于混合卡尔曼粒子滤波的配电网动态状态估计算法。最后,利用非线性滤波器的动态迟滞特性,提出了基于全局与单节点变量检验的配电网虚假数据注入攻击辨识方法。通过IEEE 33节点配电系统的仿真算例验证了本文提出的虚假数据注入攻击辨识方法。结果表明,所提的伪量测建模方法能输出高精度的伪量测数据,提高了系统的量测冗余度;此外,所提的混合卡尔曼粒子滤波算法表现出更为稳定、准确的动态状态估计性能;最后,两类典型的虚假数据注入攻击算例验证了所提辨识方法的有效性与实用性。