智能电网是一个由物理电力系统和信息通信系统构成的复杂耦合网络系统,其控制中心通过采集电力系统中的数据进行分析,从而做出决策以保证智能电网的安全与稳定。同时电力系统是及其重要的基础资源设施,保障其安全稳定的运行对维护社会的稳定和国民经济的正常发展起着及其关键的作用。虚假数据攻击是近年来新兴的一种攻击手段。它利用电力系统中传统不良数据检测的漏洞,通过向分布在电网中的计量装置注入虚假数据,导致状态估计结果较非攻击状态发生偏移,从而使控制中心获得错误的系统运行状态,做出错误的决策,进而危害电力系统的正常安全经济运行,甚至引起整个电力系统的崩溃。当前针对虚假数据攻击的研究还处于初步阶段,因此在智能电网环境下,分析系统中存在的数据漏洞,研究相应的检测与防范方法,具有十分重要的理论与现实意义。针对虚假数据攻击检测问题,本文主要做了如下工作:1.研究了虚假数据攻击(False Data Injection Attack,FDIA)的基本原理,对虚假数据攻击可能造成的不良后果进行了分析,并设计一个虚假数据攻击模型,利用该模型为提出的虚假数据检测机制提供训练样本。2.设计了一种基于深度信念网络(Deep Belief Network,DBN)的虚假数据实时测机制,该机制通过对深度信念网络进行改进,以历史数据为样本对虚假数据进行识别。3.在IEEE-118仿真系统中进行实验,分别在不同受影响量测值数量、环境噪音水平,系统规模和传统不良数据检测值机制临界值的影响下,对设计的基于DBN的实时检测机制检进行实验评估。并和其他两种基于不同机器学习的检测机制的精度进行了对比。