当前新型电力系统不断建设与发展,配电网的结构特征日益复杂。配电网的数据呈现多源异构、规模大,变化快等特点,因此配电网异常数据的清洗在实际工程应用中具有重要意义;同时配电网状态估计也在配电管理系统中担任着重要角色;另外互相关熵函数由于其良好的鲁棒性能在非高斯信号处理的信息理论学习领域中得到广泛应用。因此本文首先定义了一种新的变中心互相关熵函数,并推导出基于变中心互相关熵函数的无迹卡尔曼滤波算法,然后分别将其应用配电网量测数据时空联合清洗和考虑非零均值非高斯分布噪声的配电网动态状态估计研究中。现将本文的主要研究内容介绍如下:首先,在传统的互相关熵准则基础上改进,推导变中心互相关熵函数,并将其引入到无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法中,利用变中心互相关熵准则来替换原始UKF中的均方差准则,推导出了一种新的基于变中心互相关熵函数的无迹卡尔曼滤波（Correntropy Criterion with Variable Center Unscented Kalman Filter,CC-VC-UKF）算法,从而使得其在更接近真实测量环境下的非零均值非高斯噪声中仍能保持较好的滤波性能。其次,在配电网量测数据清洗中为解决量测设备的空间不一致性带来的非零均值非高斯分布的量测偏差缺陷,利用变中心互相关熵的中心位置灵活和匹配非零均值的偏差分布的特点以及配电线路设备量测数据的时空相关性,本文提出了基于CC-VC-UKF算法的配电网量测数据时空联合清洗技术。利用K-means算法对历史数据聚类并加权得到参考序列进行数据的纠错;利用CC-VC-UKF算法进行时空联合滤波清洗,以配电变压器监测终端（distribution Transformer supervisory Terminal Unit,TTU）量测数据作为参考序列,提高了在非零均值非高斯分布的量测偏差的存在下配电开关监控终端（Feeder Terminal Unit,FTU）量测数据质量。最后,针对配电网由于结构特点复杂导致其在进行动态状态估计时更易受到不同类型噪声干扰的问题。本文研究了一种考虑非零均值非高斯量测噪声的配电网动态状态估计方法,依据Holt’s两参数法推导状态方程并利用SCADA量测系统定义测量方程,从而建立配电网动态状态估计数学模型,定义变中心最大相关熵最优化模型,推导出基于变中心最大相关熵的无迹卡尔曼滤波算法并进行配电网动态状态估计,提高了在非零均值非高斯噪声下动态状态估计的精度。考虑到配电系统中状态估计器输入端不良数据和较大的负荷波动对信息矩阵的不良影响,本文通过指数函数更新协方差矩阵对算法进行改进,当配电网发生不良数据导致负荷突变和负载突变时增强算法的鲁棒性能。