配电网是电力系统的重要组成环节,其运行安全稳定与电力系统的安全稳定息息相关。配电网状态估计是配电管理系统的核心,是确保配电网安全可靠运行的基础和前提,由于配电网数据量测采集和传输系统提供的原始量测数据存在各种随机噪声干扰。如果直接用于分析配电网运行情况会造成错误判断,影响电网稳定和运行安全,故必须对量测数据进行滤波即状态估计处理。在大量阅读和研究国内外文献基础上,本文主要从以下几个方面开展了一定的研究工作:1)深入研究、分析了基于卡尔曼滤波框架的状态估计方法和粒子滤波理论的状态估计方法,对比分析了两类方法的优缺点。针对配电网三相不平衡的特点需要估计三相的运行状态,借鉴已有文献,建立了配电网状态估计的动态空间模型,即基于Holt两参数指数平滑的状态转移模型和混合量测模型。2)针对无迹卡尔曼滤波(UKF)方法和基本粒子滤波方法存在的缺陷,引入了无迹粒子滤波(UPF)状态估计方法。该方法首先利用UKF估计精度高的特点为粒子滤波生成重要性密度函数使抽样产生的预测粒子向滤波高似然区域转移,然后再用粒子滤波理论实现状态估计,提高了状态估计性能。文章将UPF方法应用于配电网状态估计,论证了所提方法的有效性。同时,在仿真分析中引入了估计误差统计和拟合工具并计算估计误差的整体性能衡量值,定性、定量的分析了所提算法的状态估计性能。3)针对无迹粒子滤波生成重要性密度函数质量不高且鲁棒性不强的缺陷,从而导致UPF状态估计算法存在滤波精度有限且鲁棒性不强的缺陷,提出了一种改进的无迹粒子滤波算法。所提改进算法包括两个方面:一是通过自适应调节无迹变换的比例修正因子来控制Sigma采样点的分布以提高重要性密度函数(建议分布)的质量;二是用强跟踪无迹卡尔曼滤波代替传统UKF,当系统量测出现异常时,通过引入渐消因子在线调整卡尔曼滤波增益,从而增强UPF滤波算法应对异常情况的能力即提高了状态估计算法的鲁棒性。