تخمین حالت در سیستم های قدرت شامل به دست آوردن متغیرهای حالت آن شبکه می باشد, که به دست آوردن اندازه و زاویه ولتاژ با توجه به شبکه و اندازه گیریها از داده هایی مانند سیستمهای نظارت کنترل سنتی است. تخمین حالت به دو صورت PMU و SCADA صورت میگیرد که در حالت استاتیکی داده های اندازهگیری از جمله توان اکتیو و راکتیو خطوط ارتباطی و اندازه ولتاژ باس بار به یک مرکز کنترل مرکزی برای انجام محاسبات و پردازش ارسال میشود. تخمین حالت دینامیکی با وجود اغتشاشات اندازه گیری و تغییرات خطاها و... در سیستم قدرت صورت می گیرد. تخمین حالت به دلیل نبود برخی دادهها و یا نقص و نویز دار بودن اندازه گیریها صورت میگیرد. در اکثر مقالات اخیر از فیلترهایی مانند انواع فیلترهای کالمن و ذرهای استفاده می شود که روندی برگشت پذیر دارند. در حالت کلی این فیلترها شامل دو مرحله هستند: پیشبینی که به کمک مدل تعریف شده انجام میگیرد و مرحله بعدی که مرحله بروز رسانی میباشد. از میان انواع فیلتر کالمن و ذرهای سه نوع آنها شامل فیلترهای کالمن تعمیم به دلیل قابلیت همزمان هم برای سیستمهای خطی و غیرخطی (PF) یافته , فیلتر کالمن بی بو و فیلتر ذرهای مورد استفاده قرار میگیرند. برای این منظور کاری که انجامگرفته تخمین حالت زاویه و اندازه ولتاژ باس در حالتی تشکیل میشود, که این باسها با هم از طریق IEEE که سیستم از 4 منطقه غیر همپوشان در سیستم 14 باسه لینکهایی ارتباط دارند, هرکدام از مناطق بهصورت جداگانه و موازی متغیرهای حالت مربوط به خود را به کمک انواع فیلترها تخمین میزنند. در مناطقی که باسها باهم ارتباط دارند از طریق الگوریتم ماکزیمم و مینیمم اجماع بهینه ترین تخمین به دست میآید. و در نهایت بار دیگر با مقادیر جدید تخمین در هر کدام از مناطق تکرار می و فیلتر ذرهای بهینه در ترکیب با روش چند منطقه ای و الگوریتم اجماع PF شود. در این تز از فیلترهای ذره ای فیلتر ذرهای بهینه و فیلتر کالمن بهینه ,)PF( استفاده شده است. نتایج روش ارائه شده با استفاده از فیلتر ذرهای با الگوریتم اجماع در بسیاری از موارد تخمین مطلوب تری UPF باهم مقایسه شدهاند که مشاهده میشود ترکیب و الگوریتم اجماع بدست میدهد.
