Los ataques de inyección de datos falsos cambian el efecto de control de los sistemas de control de generación automática, lo que puede causar un impacto destructivo en los sistemas de energía. En este documento, se estudian y clasifican los datos de la operación regular de un sistema y los datos de ataques de inyección de datos falsos en los datos históricos. Se recopilan los parámetros de operación normal y los parámetros de operación anormal bajo varios escenarios de ataque como muestras para entrenar el modelo de detección basado en series temporales. Se selecciona el modelo del algoritmo de bosque aleatorio para la detección a través de la comparación de los efectos de detección, y se acumulan varios modelos de entrenamiento de datos durante el proceso de operación para mejorar la precisión del modelo. Finalmente, los experimentos de simulación en Simulink verifican la consistencia de los resultados de detección del algoritmo de ataque simulado. Este método de detección puede realizar la detección de ataques en tiempo real y sincronizar los resultados de detección con la base de datos con alta puntualidad. Puede ser utilizado en sistemas con muestras de datos abundantes y tiene una amplia aplicabilidad.