随着高渗透率分布式电源间歇性发电并网、大规模电动汽车随机充电以及大量智能量测设备的量测误差,配电网的波动性和随机性大大增加,给准确感知配电网运行状态带来了极大的难度。同时,配电网的智能化使得数据和信息有机融合、双向流动,使智能配电网的运行正遭受着恶意网络数据攻击的威胁。仅仅依靠传统的确定性配电网状态估计手段难以表征出电网运行状态的全部信息及其潜在风险,给配电网的监测与控制带来了困难与挑战。为了满足智能配电网运行监控与管理的需求,本文结合不确定量的建模及分析方法,对配电网不确定性状态估计算法进行了研究。并从防御者的角度,提出了一种将区间状态估计用于检测网络数据攻击的防御策略,主要研究内容如下:(1)提出了一种考虑配电网不确定性的伪量测数据区间建模方法。选取负荷节点、风电节点、光伏节点等三种典型节点,根据其功率历史数据,利用小波神经网络挖掘节点功率数据的不确定性特征,生成区间伪量测数据,提高配电网量测数据的冗余度、估计精度和配电网的可观测性。(2)研究了基于区间分析的配电网不确定性状态估计算法。给出适用于区间状态估计的配电网网络参数、分布式发电和量测数据的区间建模理论依据,在传统配电网状态估计的基础上,建立了更符合配电网实际运行状态的三相区间状态估计模型,并针对求解过程中的保守性问题,提出一种以IGE解作初始值,利用Krawczyk算子进行迭代优化的求解算法。算例研究表明,在相同条件下,基于Krawczyk算子所得的区间状态估计结果误差小于基于IGE算法得到的区间状态估计结果,为系统监控人员提供更加真实可靠以及更有价值的系统状态量的边界信息。(3)提出了一种基于区间状态估计的数据攻击检测机制。首先从攻击者的角度出发,研究了虚假数据注入攻击的基本原理及其模型通式的构造。以此为理论依据和重要指导,从防御者的角度提出了一种针对虚假数据注入攻击的检测防御机制,该防御机制以区间状态估计结果为指导,能够有效地检测出大部分由数据攻击引起的系统状态的异常,从而更加可靠、有效地对配电网的运行状态进行监测和控制,使系统达到更高的可观可控水平。