尹 专，刘天琪，江东林

(四川大学电气信息学院，四川成都 610065)

0 引言

随着电力工业的迅速发展，电力系统的结构和运行方式日趋复杂，电力系统调度中心的自动化水平也由低级向高级发展。调度中心要实现对电网的监测、跟踪以及分析和实时处理需要全面、准确的电网运行数据，高质量的状态估计是实现调度中心高级功能的保障。

配电网与输电网不同，R/X较大，这就让很多适用于输电网的状态估计算法无法直接运用于配电网，如PQ分解法。而且配电网没有配置PMU、无功角量测量，且量测点配置不足。常有的量测量有节点电压幅值、节点注入功率、支路电流幅值、支路功率，在量测量不满足计算需要时还会补充预测负荷数据等伪数据。

目前已有些针对配电网特点的算法［1－9］，常用的有加权最小二乘法、量测量变换法、支路功率法等方法。文献［1］是经典的加权最小二乘法(weighted least square，WLS)，该方法能最大限度地利用量测量，而且计算小网络的速度快，估计质量高。文献［2］将支路电流作为状态量，其他非电流量测量都转换为电流量测量，且可三相解耦，计算效率很高，但是节点电压幅值量测不能利用，要求P和Q成对出现，在目前，中国配电自动化配置中不易满足。文献［3］根据配电网辐射状层次结构的特点将配电网辐树状结构分解为多条树枝，然后进行单条支路WLS估计，但根节点电压的正确性将严重影响计算结果。文献［4］提出了基于基本粒子群算法(particle swarm optimization，PSO)的状态估计，该算法使用最小残差模型进行计算，克服了牛顿迭代对初值要求较高的弱点，能有效迭代收敛。……