电力信号状态估计是电力系统进行故障诊断,电能质量分析等的共性问题,对电力参数测量、保证电网安全可靠运行具有重要意义。电力信号状态估计是指进行电力信号分析和处理,测量电力信号波形,分析异常电力信号的电压幅值波动,频率偏差,相位偏移等,进行参数突变电力信号的跟踪分析。传统的电力信号状态估计都是基于随机噪声假设的估计理论方法,噪声源通常被设定为满足某种概率分布,然而在实际工程测量和实验分析中发现,系统中噪声的概率分布特性难以获取,且无法判断假设是否符合实际,传统估计方法失去其效用,很难提供100%置信度的估计结果。针对这种情况,集员估计算法只需要知道噪声的边界范围,降低了对噪声分布先验知识的需要,显示出其在电力信号状态估计的优势。本文针对集员估计方法在电力信号状态估计的应用问题展开研究,主要进行了以下几方面的工作:(1)针对电力信号非线性且噪声概率分布特性难以获取的问题,以椭球集员滤波算法为基础,推导一种适宜非线性电力信号的扩展集员滤波算法,并与经典的扩展卡尔曼滤波算法进行仿真比较,验证算法的可行性。(2)针对电力信号突发参数多变的情况,在对现有参数突变跟踪算法进行研究比较的基础上分析常规集员算法参数突变跟踪失效的原因,提出更新椭球重置集员滤波算法、强跟踪扩展集员滤波算法,并分别对电力信号的幅值、频率、相位等参数突变进行仿真分析。(3)从实验分析的角度,分别从估计椭球的容积大小,跟踪误差,时间性能等方面,比较讨论本文提出的算法的突变跟踪效果;根据状态估计结果进行频率参数的实时提取。实验结果表明,本文提出的算法在复杂度可接受的范围内,提高了估计精度。实验验证了本文提出算法的可行性。