1.一种基于UPF的电力系统鲁棒辅助预测状态估计方法，其特征在于：所述方法以无迹卡尔曼滤波获取重要性密度函数，据此生成预测粒子，利用状态空间中的加权随机样本集来近似实际后验概率分布，所述方法包括构建电力系统预测辅助状态估计模型，电力系统预测辅助状态估计模型包括系统方程和量测方程，其数学表现形式如下：xk＝f(xk‑1)+wk‑1

yk＝h(xk)+vk

n

式中下标k‑1和k表示时刻，xk‑1表示状态变量，xk‑1＝[uk‑1,θk‑1]∈R由电力系统节点电m压和相角构成，yk∈R由电力系统节点电压和相角，节点注入有功、无功功率，以及支路有功和无功功率量测值构成；f(·)和h(·)是非线性函数，wk‑1是系统误差，满足协方差矩阵为mQk‑1，vk∈R为量测误差，满足协方差矩阵为Rk。

2.根据权利要求1所述的基于UPF的电力系统鲁棒辅助预测状态估计方法，其特征在于：电力系统预测辅助状态估计模型的计算包括如下步骤：(1)初始化：当k＝0时，在初始状态变量x0附近生成初始粒子集， 其中p(·)为概率分布函数，j＝1,2,…,M，设置初始权值为 M表示粒子个数；

(2)采用Sigma点比例修正采样方式，构造权值Wi,m,Wi,c和Sigma采样点 其表达式如下：式中：β为引入高阶项信息的参数，调节β能提高方差精度；α为比例修正因子，决定2

Sigma围绕 的波动范围；L为状态变量维数；λ＝α·(L+kf)‑L,λ为微调参数，用来控制点到均值的距离，其中，kf为第二个尺度参数； 为每个粒子k时刻状态量的协方差矩阵；

(3)对每个Sigma点进行一步预测，得到预测后的点集和协方差，其表达式如下：(3)更新sigma点集，计算sigma点的量测均值 自协方差矩阵 和互协方差矩阵 得到表达式如下：(4)计算卡尔曼增益 并对系统的状态变量和协方差更新，计算表达式如下：(5)重新计算粒子权重并归一化，其计算表达式如下所示：(6)重采样，解决粒子在采样过程中出现粒子的退化的问题，根据归一化权重，对粒子集合进行复制与淘汰，并计算重采样后的均值；

(7)迭代计算完成后，输出状态量的估计值。

3.根据权利要求1所述的基于UPF的电力系统鲁棒辅助预测状态估计方法，其特征在于：所述方法包括对于电力系统采用两参数指数平滑法构建电力系统动态状态估计模型，据此进行短期负荷预测，对应的系统函数f(x)表示如下：bk＝βH[ak‑ak‑1]+(1‑βH)bk‑1，式中ak和bk分别为指数平滑法中的水平分量和倾斜分量，αH和βH是指数平滑法待设定的两个参数，取值范围需满足αH,βH∈[0,1]。