辨识不良数据,保证数据真实准确是状态估计的基本任务之一。随着风、光等具有随机性和波动性特征的新能源大规模接入电力系统中,系统实际运行工况的随机特性更加明显,导致电网参数辨识难度增加,数据辨识方法失效,对状态估计性能提出了更高的要求,状态估计也需要考虑更多的不确定性因素。电力系统中因新能源间歇性波动而产生的波动型量测数据并非不良数据,但动态状态估计的传统鲁棒性算法无法辨识,会将波动数据当作不良数据进行错误处理,丢失数据的真实特性,为运行人员提供错误的信息,甚至危及电力系统的安全运行。因此,在新能源并网背景下,如何保证电力系统动态状态估计的鲁棒性与准确性显得尤为必要。首先,本文建立电力系统的动态状态估计模型,针对Holt’s两参数指数平滑法在面对随机性新能源无法保证状态预测准确性的问题,提出基于连续预估法的动态状态方程,通过引入新能源和负荷的预测数据提高状态预测的准确性。研究用于电力系统动态状态估计的几种常见卡尔曼滤波算法,并以扩展卡尔曼滤波和容积卡尔曼滤波为例,对比线性滤波与非线性滤波算法应用于电力系统的状态估计性能。其次,根据新能源电力系统的数据特征,对量测数据进行分类,将不良数据与波动数据统归为突变数据,提出基于两级数据辨识的改进鲁棒容积卡尔曼滤波:首先根据新息序列计算新息协方差,与量测误差总方差对比得到突变数据,完成一级辨识;再根据量测序列计算数据相关性,进行二级辨识以区分波动数据和不良数据;最后通过量测噪声尺度因子对不良数据进行修正。仿真结果表明:改进鲁棒容积卡尔曼滤波在降低不良数据影响的同时,可以避免对波动数据进行误处理,在电力系统正常运行及含有不良数据时均具有较高的状态估计性能。最后,在上述研究基础之上,考虑新能源和负荷预测的不确定性,提出区间动态状态估计模型,采用两点估计法进行模型求解并给出相应流程,以基于蒙特卡罗模拟法的区间估计结果为参考,验证两点估计法的有效性。通过对东北某省级电力系统实测风电和负荷的预测误差分布特性进行拟合,分析改进鲁棒容积卡尔曼滤波的区间估计结果,并与原有算法进行比较,验证其区间估计的鲁棒性与准确性。相比较于点估计,区间估计可以为运行人员提供更加丰富的状态信息。