摘要： 当前针对FDIA的检测方法多局限于单维度特征分析，未能充分融合神经网络、机器学习分类器及注意力机制，难以满足新型电力系统对FDIA高效检测的需求。为此，文章提出一种基于DDA与MSCNN的电网FDIA检测方法DDA-MSCNN。首先，阐述CPPS中FDIA的基本原理与攻击形式，并分析现有不良数据检测机制的局限性。继而，构建多尺度卷积神经网络，以多层级深度挖掘不良数据的空间与时序特征，揭示其语义关联与序列模式；进一步引入双域注意力机制，有效弥补传统卷积在空间特征提取方面的不足，并优化跨通道特征权重的分配。最终，在IEEE 14节点系统中进行实验验证。结果表明，所提方法在单元级渗透攻击与集群式协同攻击等多种场景下均表现卓越，模型损失函数持续收敛，检测准确率显著提高。

关键词: 智能电网, 电力信息物理系统, 虚假数据注入攻击, 双域注意力机制, 多尺度卷积