新型电力系统面临新能源高比例接入、电力电子化与智能化带来的高波动、高不确定及信息物理深度耦合挑战。运行状态剧变使传统潮流计算难以满足近实时感知与大规模评估需求；同时，信息域攻击、物理域故障与设备风险相互耦合，可能引发跨域连锁故障与系统性安全事故，对传统分离式防护体系构成新威胁。针对上述问题，团队聚焦快速状态感知、信息物理综合安全威胁机理、信息物理协同安全防护三大方向，融合电力系统物理模型、运行数据、网络信息与人工智能，支撑新型电力系统安全、可靠、韧性运行。

在快速状态感知方面，团队面向新能源高渗透下运行状态快速变化与海量场景评估需求，研究快速潮流计算与可信物理仿真方法。提出基于KKT条件约束的神经网络潮流计算方法PhysiKKT-Net，将基尔霍夫定律等物理约束嵌入神经网络结构，在提升计算效率的同时保证预测结果满足物理一致性，为实时状态感知、攻击后果验证和连锁故障分析提供可信计算支撑。该方法获电网物理仿真机器学习国际挑战赛全球第二名[1]。

在信息物理综合安全威胁机理方面，团队系统性研究信息物理融合系统（Cyber-Physical System, CPS）中信息安全威胁与工程安全问题相互影响形成的综合安全威胁[2]，并从系统与设备两个层面开展建模与风险分析。系统层面，提出面向新能源不确定性的Markov Tree连锁故障风险评估方法，以及异步攻击/控制指令篡改下的脆弱序列识别技术，用于发现可能导致大规模故障的关键故障传播路径[3-5]；设备层面，提出发电装备信息物理综合安全威胁范式，揭示网络攻击、能量流异常与设备应力损伤之间的耦合机理，为发电装备综合安全防护提供理论基础[6-7]。

在信息物理协同安全防护方面，团队针对电网状态估计、控制指令和关键测量数据易受虚假数据注入攻击的问题，研究检测、防御与状态恢复方法。提出移动目标防御方法，通过主动改变系统参数或运行配置破坏攻击者对电网模型的先验知识[8]；进一步提出隐藏移动目标防御和多阶段隐藏移动目标防御方法，兼顾防御隐蔽性与检测有效性，提高对警觉攻击者的防护能力[9-10]。针对攻击后的状态恢复，提出动态电抗扰动与静态测量保护相结合的方法，在较低防护成本下识别攻击并恢复真实电网状态[11]。该方向与快速潮流计算、连锁故障分析共同构成信息域检测防御与物理域风险防护相结合的系统级安全体系。

该系列成果可服务于新型电力系统威胁预警与故障恢复等场景，提升高比例新能源接入条件下电网运行状态分析的实时性、物理一致性和安全可信性，增强对信息域攻击、物理域故障和设备损伤风险的协同感知与综合防护能力，为构建安全、可靠、韧性的新型电力系统提供技术支撑。相关成果获2018年教育部自然科学二等奖。

代表性论文：

[1] Milad Leyli-Abadi, Jérôme Picault, Antoine Marot, et al.. Machine Learning for Physical Simulation Challenge Results and Retrospective Analysis: Power Grid Use Case. arXiv preprint arXiv:2505.01156, 2025.

[2] 刘烃, 田决, 王稼舟, 吴宏宇, 孙利民, 周亚东, 沈超, 管晓宏. 信息物理融合系统综合安全威胁与防御研究. 自动化学报, 2019, 45(1): 5–24.

[3] Sizhe He, Yadong Zhou, Yujie Yang, Ting Liu, Yuxun Zhou, Jie Li, Tong Wu, Xiaohong Guan. Cascading Failure in Cyber–Physical Systems: A Review on Failure Modeling and Vulnerability Analysis. IEEE Transactions on Cybernetics, 2024, 54(12): 7936–7954.

[4] Yujie Yang, Yadong Zhou, Sizhe He, Bowen Hu, Yu Qu, Ting Liu, Xiaohong Guan. A Markov Tree Model for Cascading Failure Risk Assessment in Power Grid With Uncertain Renewable Energy Generation. IEEE Transactions on Circuits and Systems I: Regular Papers, 2026, 73(2): 1460–1473.

[5] Sizhe He, Yadong Zhou, Yujie Yang, Xinlu Li, Yang Liu, Ting Liu. Vulnerable Sequence Identification for Sequential Cascading Failure Analysis in Power Grid. IEEE Transactions on Industrial Informatics, 2025, 21(6): 4830–4840.

[6] 周罕琦, 刘烃, 李明佳, 刘杨, 杨雨洁, 尚锦奥, 王文奇, 贾紫越, 管晓宏. 发电装备信息物理综合安全威胁机理与防御方法. 中国科学: 信息科学, 2026.

[7] Hanqi Zhou, Yaling He, Ting Liu, Yang Liu, Jinao Shang, Xiangming Wang. NEST: Network-Energy-Stress Threat Against Thermal Energy Equipment. IEEE Transactions on Automation Science and Engineering, 2025, 22: 9622–9635.

[8] Jue Tian, Rui Tan, Xiaohong Guan, Zhanbo Xu, Ting Liu. Moving Target Defense Approach to Detecting Stuxnet-Like Attacks. IEEE Transactions on Smart Grid, 2020, 11(1): 291–300.

[9] Jue Tian, Rui Tan, Xiaohong Guan, and Ting Liu. Hidden Moving Target Defense in Smart Grids. In Proceedings of the 2nd Workshop on Cyber-Physical Security and Resilience in Smart Grids (CPSR-SG'17), Pittsburgh, PA, USA, pp. 21–26, 2017.(Best Paper)

[10] Jiazhou Wang, Jue Tian, Gaoxi Xiao, Yang Liu, Hao Huang, Yadong Zhou, Ting Liu. On Stealthiness and Effectiveness of Moving Target Defense in Smart Grids. IEEE Transactions on Industrial Informatics, 2025, 21(4): 2987–2996.

[11] Jiazhou Wang, Jue Tian, Nanpeng Yu, Yang Liu, Haichuan Zhang, Yadong Zhou, Ting Liu. A Dynamic and Static Combined State Recovery Method Against FDI Attacks in Power Grids. IEEE Transactions on Smart Grid, 2024, 15(6): 6018–6030.