随着化石能源的日益短缺与环境保护的双重压力,可再生能源的开发利用越来越受到人们的关注。近年来,各种分布式电源(Distributed Generation,DG)不断接入电网,使得配电网的潮流由单向变为双向,并且拓扑结构变化也更为频繁。配电系统状态估计(Distribution System State Estimation,DSSE)为配电管理系统提供数据支撑,是配电系统安全、稳定、高效运行的保障。虽然新型电子器件的使用为提高系统的可观测性提供了机会,但是配电网侧仍然存在实时量测冗余度低、调度方式落后、分布式能源消纳能力不足、自动化水平不高等问题,使得分布式能源的高渗透率受限。本文针对主动配电系统面临的实时量测不足问题进行课题研究。主要的工作分为以下四个方面:1)提出基于PCA-GA-ELM的光伏发电功率预测模型。首先利用主成分分析(PCA)对光伏发电功率预测模型的输入进行降维处理,降低预测模型的复杂度,提高训练效率;其次,利用遗传算法(GA)对极限学习机(ELM)的初始权值和阈值进行优化,提高了预测模型的预测精度和泛化能力;最后,利用澳大利亚实际光伏电站数据对预测模型进行训练和预测,验证模型的预测效果。2)伪量测误差建模。将光伏发电功率预测值作为伪量测,提升了配电系统的量测冗余度。在DSSE过程中,量测权重对于状态估计的精度有着至关重要的影响,量测权重一般是根据量测仪器的量测精度来进行设定,而伪量测数据通常精度不高,其权重设定往往根据经验值。本文将光伏发电功率预测误差利用高斯混合模型(Gaussian Mixture Model,GMM)进行建模,并将加权后的方差作为伪量测权重设置的依据,合理化伪量测权重3)计及光伏发电功率预测的主动配电系统状态估计。利用IEEE33节点配电系统,将8个光伏电站接入配电系统,设计了三种方案,验证了所提出的伪量测建模方法对于主动配电系统状态估计精度的改善4)不良数据检测与辨识。利用IEEE33节点配电系统,设计两个案例,分别验证所提出的伪量测值模型和伪量测权重模型对于不良数据检测与辨识情况的改善。仿真结果表明,本文提出的基于PCA-GA-ELM的光伏发电功率预测模型预测精度较高且具有较强的泛化能力;伪量测值模型与伪量测误差模型为主动配电系统状态估计提供了更为精确的伪量测值,合理设置了伪量测权重,对于状态估计精度有所提升;并且所提出的伪量测模型在不良数据检测与辨识方面也有帮助,提升了不良数据检测与辨识的能力,使得含有粗差的量测由不可检测变为可检测,由可检测不可辨识变为可检测可辨识。总结来说,本文提出的伪量测建模方法对于主动配电系统状态估计有着实际的工程应用价值。