现如今，计算机等计算设备以及互联网已然成为了这个时代的关键词。这类信息化产物的不断发展缩短了人与人之间的距离，拓展了人们的视野，同时也大大地便捷了人们的沟通。在这样的时代背景下，分布式网络化系统的诞生满足了人们对计算系统的性能和信息资源获取的便利要求，同时也颠覆了传统的集中计算方式，扩展了系统的空间分布，增强了系统的灵活性和可靠性，因此也愈发受到人们的广泛关注和认可。在控制领域，也同样由于分布式网络化系统的发展而带来了新的问题和研究方向，例如分布式状态估计问题。然而，现有的一些分布式估计都在适用性和估计效果等不同方面存在一些问题。因此，本文将探索一类新的分布式状态估计方法，即分布式网络化集员状态估计，并且将对该算法的理论和应用进行可行性和有效性的研究。　　本文主要研究了分布式网络化集员状态估计的基础算法、全局估计算法、带有网络通信资源节省机制的算法以及分布式网络化集员估计在孤岛故障检测方面的应用四个部分，旨在探索分布式网络化集员状态估计算法在不同环境条件下的可行性、有效性与应用效果，并通过仿真实验进行验证，主要内容如下:　　(1)本文设计了一套基于线性矩阵不等式的分布式网络化集员状态估计算法，给出了设计过程并归纳了算法流程。通过MATLAB仿真验证，确定了所提算法的可行性和有效性。最后，通过与经典集员估计算法的对比，展示了本文算法的估计精度优化方面的优势。该算法不仅弥补了传统集员估计在估计精度优化方面的缺陷，还将集员状态估计拓展至分布式网络环境，填补了分布式集员状态估计的研究空白。　　(2)在分布式网络化集员估计算法中，各个节点估计器会由于地理位置过于分散而存在不同的环境干扰，这会导致各个节点估计器给出不同的估计结果。由此，本文提出采用基于分布式集员估计集合的“并集”和“交集”两大全局估计策略来对各个节点的估计结果进行整合，使其从全局视角来归一化估计结果。于是，本文提出了基于“闵可夫斯基和”的全局估计算法、基于“并集”策略的最小容积外包椭球算法、基于“交集”策略的最小容积外包椭球算法，以及基于“交集”策略的最大迹内含椭球算法这四套全局估计算法，且通过相应的仿真实验表明了算法的有效性。不仅如此，通过比较各类全局算法的异同，本文还总结了基于“并集”策略下的估计算法精度低但容错性高，而基于“交集”策略下的估计算法精度高但容错性低等优势和劣势，并根据不同策略下所给出的全局估计算法的特性，提出了有针对性的全局估计策略的适用条件。　　(3)鉴于网络传输信道内的通信资源有限、带宽占用率高的情况，本文进一步研究了在通过网络传输测量信息的过程中带有通信资源节省机制的分布式网络化集员状态估计。为此，本文分别提出了基于事件驱动机制和部分信息传输机制下的分布式网络化集员状态估计算法，旨在以信息不完全传输的方式来探索估计算法的效果，并在保证状态估计性能的前提下来节省网络通信资源。不仅如此，本文还更进一步采用同时兼并这两种机制的分布式网络化集员估计算法，并通过仿真实验来观察估计结果。结果表明了所设计算法的有效性，并得到了测量信息接收量与状态估计精度呈现正相关的结论。　　(4)由于集员估计在故障检测方面具有先天优势，因此本文将分布式网络化集员状态估计应用于孤岛故障检测来验证其应用效果。本文以分布式太阳能光伏发电系统为例，采用2-kW单相并网发电系统实验装置进行仿真实验，分别验证了在完整信息模式下和在带有事件驱动机制的不完整信息模式下的分布式网络化集员状态估计在孤岛故障检测方面的效果。结果显示，这两类算法均能够利用状态估计的方式有效地检测出孤岛故障，并且具有良好的实时性。