随着智能电网以及能源互联网战略的提出和不断发展,大量的电气设备、数据采集设备以及计算设备通过物理网络、信息网络两个实体网络相连接,传统的以物理设备为核心的电力系统已经逐渐演变为高度耦合的电力信息物理融合系统(Cyber Physical Systems,CPS)。这种耦合关系在为电力系统提供数据支撑及智能决策的同时,也为系统运行带来了更多的安全隐患。一旦CPS网络中某一个实体网络发生故障,那么风险极有可能沿着网络的耦合部分蔓延、扩散至整个系统,造成整个系统的不稳定运行,甚至导致大规模停电事故的发生。因此,如何在事故初期对风险区域进行准确预测并提出有针对性的应急措施,对于保障电力CPS系统的安全稳定运行具有重要意义。本文的主要研究工作如下:针对现有电力CPS网络模型忽略元件节点异质性和耦合非均匀性,造成风险区域预测研究中无法准确把控节点运行状态的问题,构建了非均匀电力CPS负载及约束表征模型。该模型首先利用元件节点聚类系数、节点度等网络拓扑参数,结合系统实际运行特性提出节点负载及约束计算方法。然后根据“一对多”节点依赖关系,采用改进的球仓分配方法,设计非均匀双网耦合方式,准确反映节点负载能力及网络拓扑特性,为风险区域预测及应急方法研究提供准确有效的模型支撑。考虑到安全风险在信息层和物理层动态传输机制的不同,为了探究系统状态空间与风险区域预测的内在联系,提出电力CPS风险区域预测方法。首先考虑双网状态交互影响的方向性,对电力CPS安全风险传播过程进行分析,然后提出相依马尔可夫链概率框架,通过定义系统全状态空间和状态转移概率,构建基于相依马尔可夫链的风险区域预测模型,最后利用交叉自适应灰狼群算法对预测模型进行优化求解,得到风险区域的发生概率。由于风险区域内节点关联程度高,风险一旦爆发,需要耗费极高的成本对风险进行抑制和阻隔。因此,在考虑有限资源的情况下,提出一种收益最大化的风险区域应急方法。首先根据系统风险区域状态,提出节点注入功率调整与过负载节点切断相结合的应急措施,避免高负载节点在局部区域内的聚集。然后综合考虑应急措施实施后的效果和成本,设计经济性和安全性评价指标,构建电力CPS风险区域应急模型。最后利用差分进化算法对应急模型进行求解,在有效抑制风险的情况下实现经济性最优。