本文针对电力系统在脱碳化背景下日益复杂的多维度弹性问题进行了系统综述与指数构建。研究指出，传统的单维度弹性评估方法无法捕捉到物理、运行、数字-网络、气候-外部以及经济-监管五个维度之间交互产生的系统性脆弱性。作者通过PRISMA 2020方法结合前后向滚雪球搜索，识别了现有研究在跨维度耦合方面的空白。在此基础上，提出了一个多维弹性指数（Multidimensional Resilience Index, MDRI），该指数能够同时捕捉内生耦合与外生放大效应。为了验证MDRI的有效性，研究者以2025年12月波兰能源基础设施遭受的网络-物理攻击为场景，模拟了不断升级的攻击情景。实验结果显示，级联与同时失效导致的退化程度是单一应力下的近8倍；外生条件（气候、经济-监管压力）进一步使退化放大近6倍，其中72%的放大由外生压力驱动。综合来看，与单向量参考相比，多维耦合机制使弹性损失增加了46倍。该研究为电力系统弹性评估提供了更全面的量化工具，并揭示了跨维度交互的非线性放大效应，对电网规划、运营和网络安全防御具有重要参考价值。

该论文针对电力系统中由数据驱动的盲假数据注入攻击（FDIA）提出了一种拓扑感知的检测方法。现有研究大多基于统计或数据驱动的方法分析测量值，但攻击者可以利用自编码器学习测量流形并生成与Jacobian零空间对齐的扰动，从而绕过残差检测器和时间序列异常检测器。为应对这一挑战，论文提出了基于周期空间检测器（CSD），利用电网拓扑的周期空间引入结构约束来增强零空间估计；理论证明采用最小周期基（MCB）的CSD可实现最优泛化误差。该方法不依赖精确的线路参数，通过拓扑衍生的周期约束而非单纯数值零空间估计，有效区分正常与受攻击测量。在IEEE 14、30、57和118节点系统上的仿真结果表明，该方法在真实测量噪声下能有效检测数据驱动的FDIA。适合电网安全研究员、工业控制系统安全工程师及电力系统运营者阅读。