随着电网的互联，电力系统的规模不断扩展延伸且结构日益复杂，区域电网的调度自动化程度也随之从初级向中、高级发展[1,2]。目前国内正在进行的电力市场化改革对电力系统运行的安全性、可靠性和经济性提出了更高的要求，同时现代自动化调度系统也需要依靠对电网运行状态提供快速、准确的数据。在此基础上进行运行趋势的理论计算和预测，对未来一段时间内可能产生的各种运行问题进行分析与对策准备，能够为电网实际运行状态的调整提供指导依据，实现对电力系统安全稳定运行提供保障。状态估计又称滤波，是利用SCADA系统、PMU装置等设备采集到的量测数据及网络拓扑参数，对当前系统的实际运行状态进行冗余估计的过程。随着电网规模的扩大和量测装置布点的增加，将可能带来量测数据量激增的问题。因此，本文对以分布式方法处理大规模电力系统中的状态估计问题进行了研究，主要内容如下：
　　首先，本文开展了分布式状态估计模型构建的研究。本文基于传统加权最小二乘算法，利用拉格朗日乘子法推导了多区域分层式状态估计模型，再结合有限时间平均一致性协议提出了一种分散式结构状态估计新算法。各区域估计器利用自身SCADA系统提供的量测数据进行本地状态估计，并通过平均一致性算法获取全局信息，建立系统级状态估计。该算法具有收敛速度快、通信拓扑适应性强和估计效果好的优点。仿真算例表明，所提出的方法与集中式估计具有相同的估计精度，在有效提升状态估计实时性的同时，避免了分层算法可能出现的由于协调中心故障，导致系统状态估计无法进行的问题，并且能够抵御一定程度的通讯干扰或恶意攻击，提高了状态估计系统的可靠性。
　　其次，本文开展了一致性协议中信息权值优化方法的研究。首先介绍了包括图论、矩阵论以及一致性算法的相关知识，通过将分布式估计算法收敛速度优化的问题转换为分布式快速线性迭代问题，将渐近收敛因子和单步收敛因子作为衡量收敛速度的指标，并进行了收敛性证明。基于电力通信网络对称的拉普拉斯矩阵，将两种收敛速度指标最小化的问题统一为矩阵范数优化问题，通过引入松弛变量将其转换为半定规划问题，进而求解得到针对拉普拉斯矩阵的最优权值。通过算例验证了所提出信息权值优化方法的有效性，实现了分布式状态估计实时性的进一步提升。
　　最后，本文开展了状态估计虚假数据注入攻击方法的研究。本文基于主成分分析方法，对未知系统网络参数情形下的量测数据攻击模型进行了推导，在仅需知道系统区域量测数据的前提下即可对网络状态估计进行攻击，通过求解降维后的等效雅可比矩阵，可以实现在达到攻击目的的情形下绕过传统基于残差的不良数据的检测模块。最后以IEEE14节点和IEEE118节点系统为例，验证了虚假数据攻击模型的有效性，在大规模系统中仍然表现出较好的效果，有利于其在实际电力系统的应用。