智能配电网是配电网的发展方向,是智能电网的重要环节。随着分布式电源的发展与大规模并入,配电网与用电侧互动增加,智能配电网运行状态日渐复杂。传统配电网中的量测系统已经不能满足智能配电网的运行要求。为加强对智能配电网的监测与控制,提高配电网运行态势的感知能力,需要发展同步相量测量装置(Phasor Measurement Unit,PMU),并在此基础上进行智能配电网运行状态估计,及时获取系统的运行状态。受到经济与技术等因素的制约,现阶段还不能在智能配电网中大规模配置PMU。因此,利用有限的PMU并对其进行最优配置研究,可以提升状态估计精度,加强对系统的监测能力,为智能配电网的规划和运行提供有效参考。在上述背景下,本文主要研究计及状态估计精度的智能配电网PMU多目标最优配置问题。首先,本文研究了基于加权最小二乘法的智能配电网混合量测状态估计模型,采用自适应Levenberg-Marquardt方法求解状态估计问题中的非线性方程组,并通过在配电网中引入PMU,以其量测值作为修正,构建两步式状态估计模型,对比并分析了两步式状态估计模型与传统混合量测模型的误差。其次,本文研究了考虑节点电压越限问题的智能配电网PMU多阶段最优配置问题。构建了负荷与分布式电源出力的概率模型,以概率分布函数的形式表示输入变量,以相关系数矩阵表示输入变量间的相关性,采用拟蒙特卡罗方法对输入随机变量进行采样,并通过核密度估计方法获得节点电压幅值的概率分布。建立了以节点电压越限概率为权重的PMU多阶段最优配置模型,并从是否考虑负荷之间与新能源出力之间的相关性,是否考虑零注入节点约束等多个角度分析了所提模型的有效性。再次,本文研究了计及状态估计精度的智能配电网PMU最优配置问题。以量测配置的经济性以及多种采样场景下状态估计精度作为目标函数,并考虑配电网中已有的SCADA量测装置与伪量测,构建PMU最优配置模型。采用改进的二进制蝙蝠算法与自适应二进制差分进化算法求解上述问题,并与遗传算法、粒子群算法以及萤火虫算法相比较,验证所提算法的优越性。最后,本文研究了计及状态估计精度与节点电压越限问题的智能配电网PMU多目标最优配置问题。以上述两章的研究内容为基础,构建以量测配置的经济性、配置节点的电压越限权重和、多种采样场景下的状态估计精度作为目标函数的多目标最优配置模型。提出了改进的多目标二进制蝙蝠算法以及自适应多目标二进制差分进化算法,求解上述多目标优化问题,与带精英策略的非支配排序遗传算法、多目标粒子群算法以及多目标萤火虫算法进行比较,验证了所提模型与算法的有效性。