电力系统状态估计和潮流计算是电网稳态分析的基础工具,为电力系统规划评估、安全分析、最优潮流、传输能力分析等高级应用提供支持。然而电网规模和复杂程度的不断增大,给状态估计和潮流算法带来了很大的压力。随着电力市场化改革不断深入,电网的实时状态监测和传输能力分析的地位变得更加重要,对状态估计和潮流计算的收敛能力和准确性提出了更高的要求。本文主要围绕状态估计模型、状态估计算法、拓扑错误检测与辨识、融合相量量测的状态估计、潮流算法的收敛性以及含有约束的潮流问题等方面进行了研究,主要内容如下:（1）提出含有残差约束的状态估计模型,该模型可以实现对测量残差的控制,而不是依靠权值进行调节,有效提高合格率指标,同时严格的零注入约束可以保证状态估计的可信度。提出了基于约束集的网络拓扑错误检测模型有效地进行拓扑错误的检测和辨识。（2）传统状态估计算法的数值稳定性仍有待提高,本文提出基于动力学系统的状态估计算法,克服了传统WLS算法的局限性。在系统量测不足或部分量测缺失情况下仍然能够进行计算并得到有意义的解。该算法收敛性强,在出现严重的测量错误或电网数据中有拓扑错误的情况下能仍够保证收敛。基于动力学系统的算法可以求解含有残差约束的状态估计问题,仿真算例说明了算法的优势。（3）提出基于动力学系统的拓扑错误检测与辨识算法,通过求解约束满足性问题进行拓扑错误检测,根据约束的越限值进行拓扑错误的辨识。仿真算例表明基于动力学系统的网络拓扑错误辨识方法具有鲁棒性强、对参数设置不敏感、适用于大规模系统的优点。（4）如何将SCADA测量数据和PMU测量数据进行有效地融合,保证提高估计精度一直是一个受到关注的课题。本文提出融合相量量测数据的状态更新算法,实现不具有全网可观测性的PMU测量与SCADA数据的协同使用。算法具有估计精度高,计算速度快,易于和现有状态估计程序相结合的有优点。（5）将基于动力学系统的潮流算法（TJU）与传统牛顿法的收敛域进行比较,从理论和数值两方面说明了TJU算法的良好特性。针对潮流算法可能收敛到低电压解的问题,提出含有电压约束的潮流模型及其求解方法。仿真算例说明该算法对应可行潮流解的收敛域更大,可以在很大程度上避免求解到潮流方程的低电压解,同时具有不依赖于雅可比矩阵的非奇异性、对初始点不敏感等优点。