伴随电力系统应用分析对基础数据的准确性要求越来越高,电网公司状态估计合格率考核指标也越来越重视。然而,目前能量管理系统仍缺少专一的检测软件针对网络中存在的不良量测数据,无疑,不良量测的存在势必会影响状态估计的精度,进而影响电网基础数据库的准确性,而一旦基础数据中出现大量的不良量测,极有可能会导致EMS系统的高级决策分析失效,更可能会影响电网的安全运行。为此本文针对电网中存在不良量测,从抗差和辨识两个角度出发分别作出了相应的研究。第二章从抗差和辨识两个角度出发,介绍了状态估计基本理论,阐述相关基础概念和相关数学模型。在抗差方面,以权重函数为例,分析算法的抗差原因以及抗差效果,为本文第三章奠定基础;在辨识方面,介绍了加权残差、正则化残差和残差排序搜索方法,并重点阐述了最大正则化残差检验原理,为本文第四章做铺垫。第三章在不剔除不良量测的情况下,直接应用抗差估计算法来提高状态估计合格率,防止异常情况下状态估计合格率的下降。本文提出了一种改进指数权函数的状态估计算法。引入人工算子c结合上一次残差和本次残差构造新的权重函数,在保持原有残差愈大权重愈小、残差愈小权重愈大的特性基础下,更能减少算法的迭代次数。同时因为指数差值的效果导致残差与残差之间差异变大,扩大了不良量测与正常量测间的权重,达到削弱不良量测的目的,进而提高了抗差算法的辨识精度。第四章针对存在于网络中量测,从辨识角度将存于网络中的不良量测逐一甄别出来。本文提出了一种基于残差协方差矩阵的多个不良量测辨识算法。该算法重心在于将配网中有功和无功量测进行逐一分组,有功和无功的分组主要基于引入单位复数归一化方法和解耦状态估计算法,单纯有功或无功量测内部量测分组主要基于残差协方差矩阵中对角元和非对角元定义残差与残差之间的相关系数,利用残差之间的相关性强弱实现量测间的分组。最后利用阈值判据筛选可疑量测并对可疑量测进行分组,每组内最大正则化残差对应的量测记为不良量测。论文从抗差和辨识两个角度进行研究,所提抗差算法加快了原有算法的计算速度,所提辨识算法提高了对不良量测辨识效率,两者均有利于能量管理系统中数据质量的提升。