电力系统状态估计是现代能量管理系统(EMS)的重要组成部分，它是根据基尔霍夫定律按照某种最佳估计准则对系统中各种量测数据进行去伪存真、提高精度的方法，是电力系统许多在线应用计算分析的基础。目前各种状态估计算法均基于数据采集和监控系统(SCADA)提供的量测量。随着广域测量系统(WAMS)在我国的逐步建设，调度中心可以实时获得一种新的测量信息——广域量测，该量测不但具有相角测量信息，而且测量精度高，数据更新周期短且能保持高度同步。基于广域量测的上述优点，本论文将它引入到状态估计研究中。 根据广域量测数据特点，本文研究了直角坐标形式的等效电流量测变换算法，并采用合理假设条件，提出了两种极坐标系下的等效电流量测变换算法，即全雅克比算法和简化雅克比算法，进而对这三种算法进行了理论分析和实例验证。研究表明这三种算法均具有良好的收敛特性和可靠的估计精度，其收敛速度受系统规模影响较小；在重负荷的情况下仍能保证快速收敛。该研究为进一步引入广域量测奠定了理论基础。 分别从增加WAMS节点电压量测方程，以电压相量测量值作为迭代初值，修正等效电流量测计算公式以及修正雅可比矩阵四个方面研究了引入WAMS节点电压相量量测方式对等效电流量测变换算法带来的影响。研究侧重分析这四个方面对状态估计结果精度、迭代次数以及滤波效果的影响。其中，前两种引入方式的研究结论还适用于其它状态估计算法。 根据目前广域测量系统的建设现状，提出一种能够适应不同WAMS量测数量的混合量测状态估计算法。该算法充分利用全部WAMS量测数据，对于没有被WAMS系统测量的支路提取相应SCADA支路功率测量数据，并通过量测变换方法转换成等效电流量测与WAMS数据一起构成混合量测系统。理论分析和仿真计算表明该算法具有常数的雅克比矩阵和信息矩阵，具有线性收敛速度。此外，本文还研究了不同混合量测比率对该算法的影响，该算法对不同R/X比值的适应性以及对有注入功率节点的处理过程。 针对目前尚缺乏关于动态状态估计的系统性理论研究报道，本文研究了基于卡尔曼滤波的动态状态估计算法，分析其动态模型和量测模型中各参数的具体构成和常规设置方式。针对扩展卡尔曼滤波算法在线性化过程中由于忽略高阶项所带来的误差问题，提出了一种简化动态状态估计算法，该算法完全忽略预测方差阵并采用迭代收敛的方式，因而在系统快速变化时能够有效提高估计质量。 本文深入研究了目前动态状态估计中使用的三种预测模型和预测方法，分析各种预测模型的优缺点和适用范围。提出了定性判断预测模型(方法)有效性的两条标准，其目的是在提高预测精度的基础上，有效减少预测算法所花费的计算时间和计算复杂性。 本文首次将广域量测信息引入到动态状态估计中以改善估计结果，并提出了两种应用广域量测的动态状态估计算法，即广域量测动态状态估计算法和混合量测动态状态估计算法。其中，广域量测动态状态估计算法的量测数据全部来自WAMS系统；而混合量测动态状态估计算法充分考虑了WAMS系统的实际建设情况，综合利用了WAMS系统量测和SCADA系统量测。仿真分析表明这两种算法均能有效跟踪系统状态变化，具有较好的预测结果和滤波结果。 本文的研究工作获得了国家自然科学基金重点项目(50337010)的资助。