风力发电并网运行是风能大规模被开发利用的有效途径。风力发电具有波动性和不完全受控的特点。随着大量风电场并入电网,风电场对整个电力网络的稳定性影响越来越大。在风电场出现故障的暂态过程如何快速的找到故障点并迅速切除故障成为了一个难题。同时风电场的有功调度和无功调度以依赖于状态估计的效果。因此本文以风电场的状态估计为选题具有明确的学术意义和工程价值。传统的风电场状态估计的研究,关注于风电场并网点的状态估计,注重从电网系统的角度研究状态估计问题。本文从风电场内部结构特点出发,对风电场内部各节点开展状态估计研究,主要工作体现在以下方面:(1)从风电场网络结构出发,分析了系统各节点的动态特性,并针对典型的网络结构,进行了风电场的等效建模。(2)针对风电场并网点的状态估计,结合Holt’s两参数指数平滑法和风电场的等效模型,建立了系统状态空间模型,设计了平方根容积卡尔曼滤波器。通过数值实验分析:相对于已有的方法,后验均值和协方差有明显的降低,提高了状态估计的精度。(3)针对风电场支路电力系统的受风速影响会波动较大的特点,设计了强跟踪平方根容积卡尔曼滤波器,提高了状态估计的精度;并进一步针对风电场分布式结构,提出了基于强跟踪容积平方根卡尔曼滤波的分布式协同并行以及协同顺序状态估计算法。通过数值实验分析:在风电场不确定环境下,容积卡尔曼滤波能够更好的估计效果,从而验证了算法的有效性。