电力行业作为国家重要的基础行业,是保障国家经济社会平稳较快发展的动力源泉,也是改善人民生活的重要支撑和保障。随着电网规模不断扩大,电力监控系统内庞大的信息数据交互,以及智能终端的不断接入,使得电力监控系统面临着严峻的安全威胁。现有的电力监控系统安全方案大多集中在安全保护和检测方面,已经无法满足新形式下电力监控系统精益化、智能化和实时化的安全管理要求。因此,本硕士论文针对电力监控系统安全问题进行分析,将安全态势感知引入到电力监控系统中来,对电力监控系统安全态势感知进行深入剖析和研究,主要工作包含以下几个方面:（1）提出了一种电力监控系统安全态势评估指标体系构建方法。分析影响电力监控系统安全的因素,从多方面安全因素中提炼候选指标。利用SVM-RFE对候选指标相关性进行排序,使用Pearson相关系数对候选指标间的冗余性进行分析,最后通过选择优质的指标建立电力监控系统安全态势评估指标体系。实验结果表明,该方法能够构建优质的评估指标体系为后续的电力监控系统实时的安全态势感知提供分析基础。（2）提出了基于支持向量回归分层分析的安全态势评估方法。借鉴已有的安全态势分层分析框架,并与目前用于其他领域评估的SVR评估模型相结合,利用SVR评估模型先对设备进行安全评估,然后计算所有设备的安全情况对电力监控系统整体的安全态势进行评估。该方法能够准确地评估电力监控系统的安全态势,解决了现有的层次分析、模糊评价等评估方法中权重分配主观性强,机器学习评估方法中评估准确率低等问题。（3）提出了基于GRU的设备安全态势预测方法。将GRU模型应用到安全态势预测中来,利用基于时间序列的安全态势评估值和设备评估指标数据来对设备的未来安全态势进行预测。实验结果表示,该预测模型预测绝对误差小,准确率相对较高,能够及时对电力监控系统安全问题提供有力的支持。综上所述,本论文对电力监控系统安全态势感知问题进行了深入的研究,根据电力监控系统存在的安全问题构建电力监控系统安全态势评估指标体系,在这基础之上又分别提出了基于支持向量回归分层分析的安全态势评估方法和基于GRU的设备安全态势预测方法。通过相应的仿真实验和原型系统的实现,验证论文研究成果的可行性和有效性。