鲁棒电力系统状态估计器在监控应用中具有重要意义。根据我们的经验，我们发现鲁棒广义极大似然（GM）-使用投影统计的估计器是文献中最好的方法之一。它对多个交互和一致的坏数据、坏杠杆点、坏零注入以及某些类型的网络攻击具有鲁棒性。此外，它的计算效率高，适合在线应用。除此之外，它还具有良好的分解性能作为GM估计器的一部分，它在高斯或其他厚尾非高斯测量噪声下具有很高的统计效率。Mili和他的同事在1996年提出了使用SCADA测量的GM估计器的原始版本[1]。在[R2]中使用Givens旋转增强了其数值稳定性。在[R3]中，将GM估计器扩展到同时估计变压器抽头位置和系统状态。还解决了不良的零注入问题。在[R4]中，GM估计器被提出用于处理动态状态估计中的创新和观测异常值以及测量损失。
在这里，我们希望向所有研究人员分享GM估计器的Matlab代码。我们还邀请各位测试该方法，并给出反馈（如果有）。所附代码用于实现Mili在[R1]中提出的GM估计器。测试系统包括IEEE 14总线、30总线和118总线系统。仅包括SCADA测量。我们已包含对代码的详细评论。
当您在未来的研究和出版物中使用此代码时，如果您引用论文[R1-R4]，我们将不胜感激。如果您在使用此代码时遇到任何问题，请告知我们。我们非常感谢您的反馈和评论。
我们还要感谢Robson教授、Costa教授、Rousseeuw教授、Lemos教授和Marcos先生的贡献。
顺致敬意，
赵俊波与米莉
电邮：zjunbo@vt.edu, lmili@vt.edu
布拉德利电气和计算机工程系
弗吉尼亚理工学院和州立大学
[R1]L.Mili，M.Cheniae，N.Vichare和P.Rousseeuw，“基于投影统计的鲁棒状态估计”，IEEE Trans.Power System，第11卷，第2期，第1118-1127页，1996年。
[R2]R.C.Pires，A.S.Costa，L.Mili，“通过givens旋转的迭代加权最小二乘状态估计”，IEEE Trans.Power System.，第14卷，第4期，1499-15071999页。
[R3]R.C.Pires，L.Mili，F.A.Becon Lemos，“错误零注入下电力系统状态变量和变压器抽头位置的约束稳健估计”，IEEE Trans.power system.，第29卷，第3期，第1144-1152页，2014年5月。
[R4]赵建斌，M.Netto，L.Mili，“用于电力系统动态状态估计的稳健迭代扩展卡尔曼滤波器”，IEEE Trans.power system.，DOI:10.1109/TPWRS.2016.2628344，出版。