1.基于PMU准实时数据的主动配电网抗差估计方法，其特征在于包括以下步骤：步骤1：搭建包含光伏、风能的配电网系统，作为测试平台；

步骤2：提出虚拟PMU量测模型，并进行建模；

步骤3：通过步骤2的虚拟PMU量测模型，对PMU量测观测范围进行人为扩展；

步骤4：将SCADA量测系统数据、PMU量测数据、以及步骤2的虚拟PMU量测模型补充的高精度冗余数据，构成的混合量测系统测量数据，并在测试平台仿真时加入多组不良数据，用于测试不良数据辨识能力和抗差性能；

步骤5：采用抗差M估计算法，对观测值的信息区间进行划分，使得观测值的信息区间划分为：正常观测值、可利用观测值、粗差观测值三个区域；

步骤6：根据步骤5将观测值的信息区间划分三个区域，在不同区域内进行模型平差，经过多次迭代，使得含有粗差的奇异观测值权函数近似为0，降低奇异观测值对估计参数的影响；

步骤7：在考虑配电网网络参数和不同量测装置的不确定度下进行建模，当不确定度参数在区间内变化时，寻找最优的估计值。

2.根据权利要求1所述基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：所述步骤1中，搭建的配电网系统是一个改进后的含有光伏、风能的IEEE‑14节点配电网络，该网络具有三条馈线，系统基准容量为100MVA，基准电压为23kV，整个网络总负荷为28.7+j7.75MVA。

3.根据权利要求2所述基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：所述步骤1中，配电网系统其状态估计所得估计值，为每一个节点的电压幅值和相位角。

4.根据权利要求1所述基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：所述步骤2中，虚拟PMU量测模型为：

根据PMU量测数据对某一节点或支路其余未知电流、电压相量进行推算，得到的数据为虚拟PMU量测数据，其量测精度近似真实值；含PMU量测的母线量测方程如下：式中： 和 分别是PMU量测装置测得的电压和电流相量；和 分别是未安装PMU节点的电压和电流相量；矩阵Y和Z分别是节点导纳矩阵和阻抗矩阵；eV和eI是电压和电流的测量误差。

5.根据权利要求1所述基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：所述步骤3中，对PMU量测观测范围进行人为扩展，扩展后的测量矩阵如下：式中：△P、△Q是原有状态估计测量值，△δPMU、△VPMU/VPMU是根据一组PMU量测量和n次循环得到的n组虚拟PMU测得的电流、电压相量测量值。

6.根据权利要求1所述基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：所述步骤5中，利用等价权函数在状态估计迭代的计算过程中进行动态赋权，对观测值的信息区间进行划分。

7.根据权利要求1所述基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：所述步骤6中，抗差M估计模型平差所得极值函数如下：

式中：pi为观测权，V为n维观测值残差，ρ(Vi)为极值函数，ai为系数矩阵第i行元素，Xi为待求状态参数，Li为观测值；极值函数对应法方程如下：T

式中：A为系数矩阵，A为系数矩阵的转置矩阵， 为等价权,L为观测值。

8.根据权利要求1所述基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：所述步骤7中，考虑配电网网络参数和不同量测装置之间的不确定度抗差估计模型表述如下：式中：φ(x)为含不确定的目标函数，t为不确定度向量，R为权矩阵，qx为状态估计观测值，Mx为具有不确定度的网络参数和不同量测引入误差。

9.基于PMU准实时数据的主动配电网抗差估计方法，其特征在于：首先，提出了虚拟PMU的定义并对其进行建模，通过该模型对PMU量测观测范围进行人为扩展，补充大量的高精度冗余数据视作虚拟PMU量测；然后，将PMU量测、SCADA量测系统数据和虚拟PMU量测构成的混合量测系统测量数据作为状态估计器的输入端；其次，考虑配电网络参数和不同量测装置之间的不确定度进行建模，再通过抗差M估计算法进行模型平差，大幅降低奇异观测值对待求估计值的影响，通过搭建的含分光伏、风能发电的改进IEEE‑14配电网系统作为测试平台进行验证，统计并分析估计值误差精度和估计耗时等参数。

10.一种含PMU量测的混合量测系统，其特征在于：

包含传统SCADA量测系统、有限配置数量的PMU量测系统、虚拟PMU两侧系统构成的混合量测系统，作为状态估计器的输入部分，混合量模型如下：式(2)中：△P、△Q是原有状态估计测量值，△δPMU、△VPMU/VPMU是根据一组PMU量测量和n次循环得到的n组虚拟PMU测得的电流、电压相量测量值。