配电网自动化建设日益完善，其在数据采集与监视控制系统(Supervisory Control and Data Acquisition，SCADA)的基础之上，又相继接入了先进量测设施(Advanced Metering Infrastructure，AMI)和微型同步相量测量单元(Micro-synchronousPhasorMeasurementUnit，μPMU)这两种数据量测系统。这些系统为状态估计带来了大量数据，而本文研究基于这些数据的配电网状态估计，将有助于系统调度人员更加准确地获取配电网的运行状态，选题具有重要的理论与实际意义。
　　首先，文章以配置有SCADA与μPMU的配电系统为应用场景，考虑到不同量测体系数据具有一定的差异性，主要从数据的精度、数据的时标以及数据的上传频率三个方面对不同体系数据进行匹配分析。并对数据的上传频率匹配方法进行了着重研究，考虑到两种体系数据的上传频率不同，文章分析认为在较小时间尺度下负荷数据波动具有线性特征，并以此为基础，利用拉格朗日分段插值算法中的内插法与外插法来为μPMU数据上传时刻所缺少的SCADA量测数据进行补充。最后通过仿真算例对两种插值算法进行了对比验证，认为利用相对高精度的内插算法去校正外插算法的数据，对所获SCADA插值数据的精度会有明显的提升作用。
　　其次，文章在数据匹配的基础之上进行含有SCADA与μPMU系统数据的配网状态估计的研究。针对配电网三相不平衡的特点，文章构建了系统三相线路模型，并且利用支路电流法搭建了状态估计方程组矩阵，研究分析了在数据匹配下的状态估计流程。在算例分析中，文章利用IEEE33节点算例对上述方法进行了验证，数据表明其具有良好的估计效果。并且在此基础之上文章还利用Python程序语言对上述方法进行了编程实现。
　　最后，文章以配置有上述三种测量系统的中低压侧配网为研究场景。考虑到低压侧AMI系统内的智能电表或者中压侧测量系统可能也会出现故障继而造成量测数据不足或者错误的问题。基于此，文章研究了低压用户用电的一般规律，并结合中压配电系统的量测设备，对在低压用户侧基于AMI系统建立伪量测数据进行了详细分析。除此之外，文章还在上述分析的基础之上，研究在中压侧利用叠加法建立伪量测数据的方法。接着将低压侧伪量测数据与状态估计相结合开展低压侧状态估计。在算例验证方面，文章利用1998年斯洛伐克某地全年的负荷数据来验证文章所提伪量测的构建方法，通过搭建一个15节点的低压配网系统进行了状态估计计算，结果表明了文章所提低压侧伪量测数据构建方法的有效性。