电力系统状态估计是电力系统能量管理系统(Energy Management System, EMS)的重要组成部分,在电网调度的智能化分析和决策中发挥着重要的作用。在传统状态估计方法中,仍然面临着一些困难,例如在由于量测缺失而导致冗余度不足时,系统状态估计的效果不理想；或是当关键量测为不良数据,系统因无法对其进行检测并修正而导致状态估计准确性大幅下降；甚至因量测设备或传输系统故障而无法获得关键量测数据时导致系统不可观测,状态估计器不能工作。而基于状态预测的电力系统状态估计可以在一定程度上对上述问题进行解决。本文研究重点如下：1、本文首先对最小二乘支持向量机回归原理进行深入研究。在最小二乘支持向量机回归模型的基础上,对模型参数提出优化方案以提高模型的准确性：本文采用目前比较成熟的粒子群优化算法,以均方误差最小化为目标,对相关模型参数进行寻优,并通过采用系统历史状态数据对回归模型进行训练,从而建立起系统状态预测模型。2、以系统历史状态数据为基础,利用最小二乘支持向量机回归预测模型对系统当前时刻状态量进行预测,并计算获取当前时刻系统量测预测值。针对某些系统存在量测缺失导致冗余度不足以致状态估计效果不理想,以及因关键量测无法获得而导致系统不可观测的问题,本文以量测预测值作为伪量测量加入实际量测中,对系统进行了状态估计。该方法可以恢复系统的量测冗余度,从而保证状态估计工作正常进行。最后进行仿真实验,验证本文方法的有效性。3、在基于最小二乘支持向量机预测模型获取量测预测值的前提下,本文采用标准化新息检测法对不良数据进行了检测与辨识。该方法通过在状态估计前对不良数据进行检测,有效避免残差污染及残差淹没现象。同时,相较于传统估计后残差分析检测方法,该方法可以对为不良数据的关键量测进行有效检测。本文还介绍并对比分析了两种将标准化新息检测法和标准化残差检测法相结合的系统运行状态突变检测方法。最后,通过进行仿真实验,验证了基于状态预测不良数据检测方法及两种突变检测方法的有效性。本文在Matlab平台上,分别以IEEE 14节点和IEEE30节点的输电系统为例进行仿真实验,通过与传统方法的分析比较,验证了本文论证方法的合理性、可行性和有效性。