臧海祥，郭镜玮，黄蔓云，卫志农，孙国强，俞文帅

（河海大学能源与电气学院，江苏省南京市 211100）

0 引言

电力系统状态估计在电力系统规划和运行中具有重要的意义［1-2］，可以为实时调度以及后续一系列电力系统高级应用和分析提供可靠的数据库［3］。目前，基于加权最小二乘（weighted least square，WLS）的状态估计已被广泛应用于实际电力系统中，WLS的估计结果具有方差最小且无偏的统计特性。在理想条件下，该算法是最优的状态估计方法［4］。由于电网结构、运行工况和现场环境等因素的影响，量测系统中不可避免地存在一定比例的坏数据，但WLS属于L2 范数估计，该方法会将残差放大，当量测系统存在一定比例坏数据时，WLS 易出现不收敛的情况［5-6］。

针对上述问题，人们将研究重心聚焦到抗差估计算法中，其中最常见的是基于加权最小绝对值（weighted least absolute value，WLAV）状态估计［7］。WLAV 属于L1 范数估计，利用非二次估计准则的优势，解决了因加权平方和导致残差放大的问题，将估计精度控制在既定范围之内。该算法通常利用原对偶内点法进行求解。除此之外，文献［8-9］提出的M估计通过降权措施，在计算速度、收敛性以及鲁棒性上得到了进一步提升。文献［10］提出的指数型目标函数估计适用于任何概率分布形式的量测系统，能够自动排除坏数据对估计性能的影响，但是该方法会使状态量陷入局部最优。

然而，上述传统状态估计算法受系统规模和硬件水平影响较大，尤其在大系统中估计时间较长，不满足状态估计实时性的要求［11-12］。……