电力系统谐波状态估计是电力系统分析中的一个重要领域，它涉及到电力系统的稳定运行和设备的寿命。随着电力系统中非线性负荷的增加，谐波现象变得越来越普遍，因此准确估计谐波状态对于保证电力系统的安全性和效率至关重要。这篇论文探讨了如何利用广域测量技术和抗差最小二乘法来提高谐波状态估计的准确性。
文章介绍了谐波状态估计的数学模型。在电力系统中，谐波是由于非线性负载导致的电压和电流的非正弦波形，其状态通常通过谐波分量来表征。数学模型旨在描述这些谐波分量与系统变量之间的关系，这需要考虑到系统的动态特性以及各种负荷的影响。
论文讨论了最小二乘法作为谐波状态估计的常用求解算法。最小二乘法基于最小化残差平方和的原则，寻找最佳的参数估计。然而，这种方法对测量数据中的粗大误差（异常值）敏感，可能会导致估计结果的偏差。
为了解决这个问题，论文提出了使用抗差最小二乘法进行谐波状态估计。抗差最小二乘法结合了抗差估计的原理，通过赋予测量数据不同的权重来对抗粗大误差。等价权的概念使得抗差估计能够区分正常数据和异常数据，从而提高估计的稳健性。具体来说，抗差最小二乘法使用了一种叫Huber函数的损失函数，它可以对异常值施加较大的惩罚，从而降低其对估计结果的影响。
为了验证这种方法的有效性，论文使用Matlab建立了配电网的仿真模型，并模拟获得了含有谐波的同步测量数据。通过向测量数据中添加含有粗大误差的正态分布误差，对比了传统最小二乘法和抗差最小二乘法的谐波状态估计结果。计算结果显示，在存在粗大误差的情况下，抗差最小二乘法能提供更精确的谐波状态估计。
这篇论文为电力系统谐波状态估计提供了一个新的方法，即结合广域测量数据和抗差最小二乘法，以增强对粗大误差的抵抗能力。这一研究对于提高电力系统的谐波监测和控制水平，减少谐波对系统性能的负面影响具有重要的理论和实践意义。对于从事电力系统研究、设计和运维的专业人士，理解并应用这种抗差最小二乘法可以提升谐波状态估计的准确性和可靠性，从而更好地应对电力系统中日益严重的谐波问题。
