电力系统的网络结构和运行方式日趋复杂,现代化调度系统要求能迅速、准确而全面地掌握电力系统的实际运行状态,对运行中发生的各种问题提出对策,从而保证电力系统运行的安全性和经济性。状态估计也称为滤波,能估计或预报系统运行状态,为电力系统安全评估、经济调度和在线控制等在线功能模块提供了实时可靠数据。目前工程上采用集中式的整体状态估计方法,即集中采集并存贮全系统实时量测信息,维护全网络拓扑和参数信息,求解高维状态估计模型。由于系统维数过高,总调中心计算主机承担繁重的数据通信和存储任务,计算量较大。随着PMU布点的增多,WAMS将会替代SCADA成为主流数据采集系统,伴随而来的则是海量系统量测数据处理难题。因此,本文围绕如何分布式处理大规模电力系统状态估计的问题开展了相关研究工作,主要内容如下:针对现有分散式结构状态估计研究存在收敛速度慢、对通信拓扑有特定要求的不足,结合多区域约束加权最小二乘估计模型和有限时间平均一致性协议提出一种适用于量测正常情况的分散式结构状态估计新算法。该方法具有收敛速度快、通信拓扑适应性强和算法参数易于确定的特点。在此基础上,由最小二乘估计的正交原理,扩展推导出系统量测存在异常数据情况下的修正算法。在系统量测存在异常数据时,无需改变原有信息矩阵,只需执行若干次有限时间一致性协议能收敛至信息矩阵修正后的集中式估计值。针对现有分层式结构动态状态估计研究存在仅考虑边界状态协调、通信量过大的不足,采用估计协调机制,提出一种基于容积卡尔曼滤波合的分布式动态状态估计新方法。以容积卡尔曼滤波作为各区域本地估计算法,给出在协调中心侧采用局部最小二乘估计融合技术的系统边界状态协调方式。根据系统边界状态协调值,采用带线性等式约束卡尔曼滤波修正区域内部状态本地估计。算例仿真表明,所提方法估计精度与集中式估计相当,相比集中式估计具有更好的实时性,且所需数据通信量少,易于实现。针对现有分层式结构静态状态估计研究存在协调中心侧仅协调边界状态且大多需迭代计算的不足,提出一种基于协方差矩阵变换和估计投影法的分布式电力系统状态估计新方法。为适应量测系统计及PMU和无PMU情况,根据高斯变量的线性变换原理给出区域本地估计结果在协调前和协调后的处理方法。在协调中心侧沿用局部最小二乘估计融合技术协调系统边界状态,能显著减少协调中心计算量。区域内部状态本地估计通过估计投影法作修正,使本地估计精度从整体上得到有效提高。针对现有发电机动态状态估计研究存在对发电机模型参数偏差的鲁棒性差的不足,提出考虑模型参数不确定性的发电机动态状态估计方法。建立了含模型参数不确定区间的发电机状态估计模型,在此基础上结合集合运算和区间分析方法提出发电机动态状态估计的椭圆集合集员滤波方法。系统扰动仿真实验验证了所提方法对应不同发电机参数偏差具有良好的跟踪滤波性能及其实时性。