电力系统状态估计是现代能量管理系统(EMS)的重要组成部分,其量测数据除了含有正常的测量噪声外,还可能含有不良数据。不良数据的存在,将可能导致估计结果的严重扭曲,因而,不良数据检测与辨识是状态估计的必需的技术措施。不良数据检测和辨识方法,按其在状态估计过程中所处的阶段,可分为三类:估计前、估计中、估计后;而且大多常用的方法均属于第三类——估计后,该类方法的缺点在于:计算量大,计算时间长,且易受到残差污染和残差淹没的影响,造成误判或漏判。本文采用了两种同属估计前类型的不良数据检测和辨识方法:基于量测数据相关性的方法和新息图法,并对新息图法的应用提出了改进措施。前者通过对量测量相关性与残差相关性的分析,利用量测变化量相关系数对不良数据进行检测和辨识;以IEEE9节点网路系统为算例,仿真试验的结果表明:算法具有能够很好地区分不良数据和突变量、一次性地检测出多个不良数据以及误检率低的特点。后者结合动态和静态两方面理论,将当前量测和预报值的差(新息向量),转化为虚拟假设条件下的等价表示,并利用基本的电路理论,达到检测和辨识坏数据和拓扑错误的目的。该方法具有模型简单、快速准确等优点。以IEEE14节点系统算例,初步验证了所提方法的有效性。