状态估计stateestimation
根据采集到的实时量测信息，利用数学方法推算出能全面反映电力系统运行状况的实时数据。
在电力系统的运行过程中，调度人员需要掌握整个系统的运行情况，主要靠在各人发电厂、变电所中装设远动装置采集当地的开关位置信息和量测信息，并通过信息传输系统（通道）传送到调度中心，在模拟盘或彩色屏幕上显示出来。一个完全的量测信息应包括在调度管辖范围内各个厂、所的节点（母线）电压、节点注入有功功率和无功功率、各条支路（输电线路）发端的有功功率和无功功率、受端的有功功率和无功功率。这样，测点数目很大，涉及的远动装置及通道的投资也很大。由于各种条件的限制，调度中心采集到的量测信息往往是不完全量测，没有设置测点的那部分系统是不可观测的。而设置完全量测在经济上也不合理。另外一方面，远方的量测信息在传输过程的各个环节中都可能受到各种小干扰而产生随机误差，有时还可能受到大干扰或设备的偶然故障出现大误差（坏数据），这时调度中心所得的量测信息可能有一部分并不反映系统运行的真实情况，难于作出判断。例如在一条支路中受端的有功功率大于发端有功功率，线路的功率损耗是负的；节点的输入功率与输出功率不平衡，因此难以判断那一个量测量是正确的。总之，在调度中心采集到的由远动装置送来的量测信息称为生数据，往往是不完全量测，也是不完全准确的。
由电力系统的潮流计算可知，并不需要完全量测，只需知道每个节点的注入功率及某些节点的电压值即可计算出各个节点的电压幅值与相位角（称为系统的状态变量），并由此可推算出所有支路的运行情况。
状态估计是一种数字滤波，只要测点布局合理并具有一定的冗余度，即测点数大于系统的状态变量数，就能用数学方法推算出系统的状态变量，并由此得到系统的全面运行情况，相当于得到了完全量测。状态估计算法与潮流计算不同的是测点数大于系统状态变量数（因为有量测冗余），也就是方程式数大于待求量数，这样的方程组在数学上称为超定方程。由于量测本身存在误差，因此这些方程式之间往往是互不相容的，无法求得确定的解来。状态估计是采用了优化的估计方法，有多种算法，如卡尔曼型的逐次估计算法、最常用的最小二乘法等。后者是以所有测点的误差平方和最小为目标进行优化，得到一组系统状态变量的最优估计值。这样状态估计所得的结果比直接采集的量测量更为准确，减少了量测误差。
因此，状态估计的功能是利用软件减少硬件数量，在测点布局合理并具有一定的量测冗余度的前提下，由不完全量测得到完全量测，并提高了量测精度。如果量测冗余度足够大，还能检测出一次采样中是否存在坏数据，甚至还能辨识出哪一个测点存在坏数据，坏数据有多大，并把它修正过来。