配电网状态估计一直是配电系统研究的重点之一,它能够为配电网提供精确的系统数据,是配电网有效控制和监测的前提。预测辅助状态估计(Forecasting-Aided State Estimation,FASE)采用状态空间模型来描述系统状态的变化趋势,从而更有利于可靠地监控配电系统运行模式的变化。然而,在主动配电网时代,“海量”数据造成了频繁的通信堵塞,使得网络化问题愈加严重,其中包括数据包随机丢失、通信延迟、数据异步等。因此,本文针对配电网FASE受到通信系统网络化现象干扰的问题展开讨论,并提出两种解决方案,一种是被动式的,即对通信问题引起的网络诱导现象进行建模,提出合适的滤波算法以减轻网络问题给估计器带来的影响,在本文中研究了网络化问题中最显著也是最常见的数据包丢失问题;另一种是主动式的,即采用事件触发的通信策略来减少数据的传输频率,从而缓解在有限通信带宽下的网络拥堵问题。具体来说,本文主要分为以下三部分内容:(1)对于混合了同步相角测量单元(Phasor Measurement Unit,PMU)和传统监控数据采集系统(Supervisory Control and Data Acquisition,SCADA)的非线性测量,本文设计了考虑线性化误差的鲁棒扩展卡尔曼滤波(Robust Extended Kalman Filter,REKF)算法,该算法将泰勒级数的高阶项通过一组含有不确定矩阵的线性组合形式来进行描述,基于这样的线性化方法,进一步求取滤波误差协方差上界,并将其最小化以获得最优的滤波器增益。(2)本文通过一个满足Bernoulli分布的独立随机变量来刻画测量数据包随机丢失现象。为了保证估计器的无偏特性,提出了确定型和随机型两类带有概率性丢包的基本估计器框架,并通过一系列不等式引理求取各自的误差协方差上界,从而确保得到的上界能够包含估计器中存在的所有不确定因素,最后通过对上界的迹求偏导获得最优的估计器增益。(3)本文根据配电网测量终端的分布特征,采用基于“测量”型的开环事件触发数据传输机制,并对估计器在接收间歇测量下所产生的不确定观测误差,进一步求取其数学期望及其扇形上界。沿用上述的非线性处理方法,并通过引用各种引理,推导出最优的误差协方差上界及滤波器增益。另外,本文利用MATLAB仿真软件在IEEE-13节点配电网测试系统上实现上述各种滤波算法,通过比较和分析,以验证本文提出的算法的优越性。