随着配网自动化系统的不断发展,对配电网进行快速、准确的状态估计,提高配电网的电能质量变得越来越重要,目前,大部分的状态估计方法研究针对输电网,而对配电网的状态估计研究却并不成熟。配电网区别于输电网,具有三相不平衡、X/R比值小、辐射状或弱网状结构的特点,且基于原有配网监控和数据采集(Supervisory Control and Data Acquisition,SCADA)系统的量测数据误差大,配电网的状态估计无法直接通过输电网的状态估计方法实现,而现阶段配电网量测数量的增加,为配电网状态估计提供了可能。传统配电网基于SCADA系统,近年来智能电表在配电网中不断普及,随着微型同步相量测量单元(Micro-synchronous Phasor Measurement Unit,μPMU)的不断发展,未来配电网量测体系中将长期存在SCADA数据、高级量测体系(Advanced Metering Infrastructure,AMI)数据和μPMU数据。但是由于SCADA数据精确度不足,AMI数据更新周期长,μPMU总体覆盖率较低,在三种数据共存的情况下,有效利用基于μPMU的混合量测对配电网进行快速准确的状态估计具有难度。本文基于该研究背景,主要研究工作如下:研究归纳了目前配电网的几种基本状态估计方法,并分析了几种方法的优劣,描述了μPMU的发展历程,总结了考虑μPMU和AMI的配电网状态估计方法在国内外的研究现状。研究分析了μPMU的数据特点,比较了μPMU数据与SCADA数据、AMI数据的差异,并就混合量测在数据成分、数据精度、数据时间断面、数据刷新频率四个方面的差异总结了目前混合量测数据融合的方法,并基于配电网的量测体系提出相适应的混合量测数据融合方法。支路电流法能够实现实部、虚部解耦,三相解耦,简化雅克比矩阵,大大提高运算速度,在配电网负荷量测比较准确时适用,针对混合量测下配电网负荷量测数据更准确的情况,采用支路电流法作为基本方法,并在此基础上,提出一种基于μPMU的配电网状态估计方法。针对AMI量测数据更新频率低的特性,分别对AMI采样和非采样时刻进行处理,采用扩展卡尔曼滤波(Extend Kalman Filter,EKF)以有效利用SCADA数据和μPMU数据完成对注入节点有功、无功功率的实时跟踪,弥补AMI数据更新周期的不协调性,提高混合量测的精确度,同时提升对配电网整体运行趋势的预测能力,同时考虑配电网存在坏数据和弱环网的情况对算法进行优化,使其更适应配电网状态估计。使用MATLAB软件对IEEE 13节点配电网络及IEEE 123节点配电网络进行仿真验证本文算法的有效性,同时,以一个江西省共青城10kV配电线路中为例验证本文算法的实用性。仿真对比了不同量测体系对状态估计的影响、两种量测系统对不同待估计量的影响、松弛节点的引入对状态估计的影响、坏数据对状态估计的影响、弱环网情况对状态估计的影响,证明了本文方法可有效增强状态估计的准确性。