随着社会经济的发展,人们对电力系统的安全性和可靠性有了更严格的要求。状态估计可以利用先进的量测设备实时有效的判断电网的运行状态,使得电网的安全稳定性得到提升,故而被广泛应用于电力系统中。基于GPS的同步相量测量单元(Phasor Measurement Unit,PMU)的研发,实现了电压、电流相量的测量,为广域测量系统(Wide Area Measurement System,WAMS)的实施奠定了基础,也为实现电网运行在线分析和监控提供了手段。PMU已被广泛用于电力系统,尤其是传统主网,随着智能电网建设对配电网可测可观可控能力的要求,配电网系统中对于PMU的需求也日益增加。与主网相比,配电网覆盖范围广,分支节点多且复杂,所需的PMU设备数量庞大,精度要求也更高。一般情况下,量测设备装得越多越好,数据分析更加精确,但是目前PMU成本较高,考虑到经济性,在配电网所有节点装设PMU是不现实的,所以PMU优化配置也变得尤其必要。本文面向配电网状态估计,利用先进的量测设备PMU,以加权最小二乘法为主,研究分别以节点电压和支路电流为状态量的配电网状态估计算法的迭代格式、雅可比矩阵和状态量修正矩阵的推导,并对两种方法进行对比分析。对于PMU优化问题,本文综合考虑状态估计精度和PMU的安装成本,采用遗传模拟退火算法对PMU进行优化配置。遗传模拟退火算法是将遗传算法与模拟退火算法有机结合,可提高算法的收敛速度,解决其易陷入局部最优解的问题,在安装尽可能少的PMU的前提下,获得足够高的状态估计精度。