1.一种基于JSBP预测辅助的电热系统状态估计方法，其特征在于，包括以下步骤：（1）建立初步电‑热系统，接着从中获取量测状态量x，所述量测状态量包括节点电压、节点电压相角、节点供热温度、节点回水温度、节点水流压强；

（2）对量测数据进行初始化，形成热网参数矩阵；

（3）利用Pearson系数计算每个参数的权重，并形成节点参数权重矩阵；

（4）从已建立的电‑热系统获取遥测所得的基本数据y，所述基本数据包括电压幅值、电流幅值、线路有功功率、线路无功功率；

（5）将预测出的状态量设置一个可信条件，使预测出的数据能够被使用，并提高预测精度；

（6）建立适用于电‑热系统的JSBP预测辅助的状态估计模型，将步骤（4）中的电力系统参数y带入其中，预测出t+1时刻的状态量；

建立适用于电‑热系统的JSBP预测模型：考虑到电‑热系统状态量受两方向的因素影响，方向一是电网或热网受各自内部影响，方向二是受电热网之间的影响，根据此要求建立JSBP双方向预测模型：方向一： ；

方向二： ；

式中，Li(t+1)和Li(t)分别为各状态量t+1时刻和t时刻的可能值；Lj(t)为归一化t时刻状态表达式；f(Li)和f(Lj)分别为Li(t)和Lj(t)变化绝对值； 为变化系数； 为各状态量变化范围；

；

式中，h为神经网络激活函数；nk为第k个神经元输入的状态量预测表达式；为神经元个数阈值；f为传递函数；ak为神经节点上的阈值；xj为第j个神经节点；g(nk)为第k个神经元输出的状态量预测表达式；

经过上述过程，能够在预测前大大缩小各状态量的变化范围，从而提高预测精度；因此，将Li(t+1)作为状态量的影响系数；整理过后能够得到一下矩阵形式的预测公式：；

式中，O(t+1)为t+1时刻预测系数；Ri为权重；

最终实现对电‑热系统的状态估计：

；

(t+1)

式中，x 为t+1时刻的预测状态估计值；

将预测出的状态估计值放进步骤（5）中的标准进行评估，符合要求的值将用于预测，不符合的则重新进行一次循环预测，直至数据符合要求为止。

2.根据权利要求1所述的一种基于JSBP预测辅助的电热系统状态估计方法，其特征在于，所述步骤（2）中的电热网参数矩阵具体为：；

式中，uj为节点电压； 为节点电压相角；T0j为节点供热温度；T1j为节点回水温度；Pj节点水流压强。

3.根据权利要求1所述的一种基于JSBP预测辅助的电热系统状态估计方法，其特征在于，所述步骤（4）中遥测数据具体为：；

式中，y为电力系统遥测数据矩阵；P为机组输出有功功率；Q为机组输出无功功率；H0i为热电联产机组输出功率；H1i为热电联产机组消耗功率；N为传输水泵输出功率。

4.根据权利要求1所述的一种基于JSBP预测辅助的电热系统状态估计方法，其特征在于，所述步骤（3）中将Pearson公式转化为：；

式中，R(x,y)为x关于y的权重系数；E(xy)‑E(x)E(y)为x与y之间的协方差；D(x)和D(y)为x的y的方差；

将步骤中（2）中的热网参数与Pearson结合形成权重矩阵，公式如下所示：；

式中，gh为加上权重后电‑热系统的状态参数矩阵。

5.根据权利要求1所述的一种基于JSBP预测辅助的电热系统状态估计方法，其特征在于，步骤（5）中所述的可信条件具体为：；

式中，v为状态值t时刻某一状态值的平均量；q为电热系统状态量矩阵；n为状态量个数；

；

式中， 为各状态量的均方差；xh为各t时刻的具体值；vx为x状态下的均值； 作为各状态量可信度指标。

6.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1‑5中任一项所述的一种基于JSBP预测辅助的电热系统状态估计方法。

7.一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑5中任一项所述的一种基于JSBP预测辅助的电热系统状态估计方法。