随着配电网系统的不断发展,配电网中分布式电源渗透率逐渐增加,量测体系也随之变得越来越完善,配电网逐渐从原来的被动系统变得越来越主动,这给配电网的实时监测带来了以下问题:第一,配电网中存在较多的零注入节点,传统的状态估计方法通常采用零虚拟量测对零注入节点进行估计,并对其赋予较高的权重值以保证零注入节点的估计精度,但这会使得雅克比矩阵以及增益矩阵条件数过大,导致算法对误差的异常敏感甚至不收敛,极大地增加算法的计算时间,降低算法的鲁棒性。第二,由于配电网中分布式电源的出力不连续且高度随机,这些特性配电网状态估计的计算带来了大量的不确定性。同时,由于现阶段的配电网中实时量测比较匮乏,故而分布式电源带来的不确定性会显著影响其对应节点的状态估计精度,进而降低整个系统的实时态势感知水平。第三,由于主动配电网量测体系尚未完备,系统中实时量测较少,作为量测数据主要来源的智能电表由于配套通信设施的不完备,其数据存在长时间的延迟以及不同步、不良数据较多等问题,若直接采用这些数据进行状态估计则会导致整个系统的态势感知水平降低,降低整个系统的状态估计精度。本论文针对主动配电网存在的上述三种问题分别提出了解决方案:第一,对于零注入节点的处理,本文在传统基于支路电流的状态估计方法的基础上通过构建路径矩阵,将传统的支路电流状态量通过路径矩阵转化为节点注入电流作为新的状态变量,由于零注入节点的节点注入电流严格限制为0,故而可以将零注入节点状态暂时排除在状态估计计算之外,利用简化的状态变量集进行状态估计计算,从而避免直接使用高权重的零虚拟量测参与计算所引发的一系列问题。第二,本文在上述方法的基础上,通过k-means聚类对分布式电源的历史出力数据进行离线分析,将其划分为不同的出力模式。在状态估计进程中,利用当前量测信息进行预状态估计得到分布式电源的近似出力情况,并与上一时刻分布式电源的出力相比较,通过变化率来判别分布式电源当前的出力模式是否发生了改变,若变化超过一定阈值,则通过计算预状态估计结果与各模式聚类中心的欧氏距离判别分布式电源当前处于的出力模式,依据出力模式数据以及系统读取到的量测数据按照一定的权重叠加构建伪量测并加入到二次状态估计进程中,这个方法对于分布式电源节点的状态以及系统整体状态的估计精度有一定的提升,降低了 DG不确定性为状态估计带来的不利影响。第三,对于配电网中智能电表装置量测量存在的一系列问题,由于智能电表量测存在时标,故而选择对其进行离线分析,将不同步离线智能电表量测数据通过插值对准到同一时刻下进行统计,同时将系统根据RTU配置位置进行分区,将同时刻不同分区的离线智能电表数据分别整合为一个虚拟潮流量测,并依序组成虚拟潮流量测向量,这样就实现了同时刻下的虚拟潮流向量与离线智能电表数据的一一对应,然后利用多维k-means聚类算法对不同时刻的向量进行聚类计算,划分为不同的虚拟潮流聚类,并对处于同一聚类下的离线智能电表数据进行平均化处理并储存。在线状态估计过程中,通过计算系统实时RTU量测数据与各聚类中心对应的虚拟潮流量测向量的欧式距离判别系统当前处于哪个聚类模式下,利用该聚类下预存的离线智能电表数据近似替代实际读取到的智能电表量测数据进行状态估计计算,减小直接利用读取到不实时、不同步以及不良数据的智能电表数据进行状态估计对系统态势感知带来的不利影响。本论文通过MATLAB进行编程仿真对上述方法分别进行了仿真验证,仿真结果证明了以上方法的正确性。