随着电力工业的发展和人民生活水平的提高,电力用户对供电可靠性和电能质量提出了更高的要求。为了提高电网的运行效率和可靠性,现代调度系统需要收集完整且可靠的实时数据进行处理,以利于高级应用软件的在线分析和决策控制。电力系统状态估计是电力系统在线监测、分析和控制功能的核心,在电网调度的智能化分析和决策中扮演重要的角色,状态估计的结果直接影响电网运行分析与决策的正确性与有效性,如何提高状态估计的精度是相关研究的重点内容。但由于布局不合理、通道传输不畅和管理操作不严等原因,量测系统必须对量测数据进行不良数据的检测与辨识。不良数据的检测与辨识是电力系统状态估计的重要功能之一,其目的在于排除量测采样数据中偶然出现的少量不良数据,提高状态估计的可靠性,这对电力系统的安全稳定运行具有十分重要的意义。本文围绕不良数据检测与辨识开展了以下研究:(1)首次提出利用外学生化残差作为判据进行电力系统状态估计不良数据检测与辨识,改进了传统不良数据检测与辨识使用的标准化残差的不足,进行仿真以验证其性能。并且为量测量突变检测法提出两种获取量测量突变检测量的方法。(2)针对使用单一判据检测辨识不良数据的局限性,提出基于减法聚类的FCM算法,综合分析外学生化残差、量测量突变检测量和量测误差的数据特点以进行不良数据检测与辨识,并进行仿真验证。(3)针对基于减法聚类的FCM算法在复杂不良数据情况下无法正确检测辨识不良数据的局限性,提出基于外学生化残差的指数型加权最小二乘法,利用等价权原理改进原算法的计算形式,使用检测辨识不良数据性能更好的外学生化残差代替原算法使用的残差,针对不同不良数据情况对方法进行验证,并将其性能与传统抗差估计方法和基本加权最小二乘法进行分析比较。