为了提高能源的整体利用率和可再生能源的消纳能力,综合能源系统（Integrated Energy System,IES）的概念被提出并被视为未来人类社会的主要用能形式。因此,需要根据IES的特点,提出适用于IES的状态估计方法,为IES的能量管理系统提供准确可靠的数据,从而实现对于IES的精准预测、决策和控制。本文分别对于IES集中式静态状态估计（Static State Estimation,SSE）和动态状态估计（Dynamic State Estimation,DSE）进行了研究,主要工作如下:第一,针对已有的非凸优化SSE模型,提出针对电-热综合能源系统（Integrated Electricity-Heat System,IEHS）的双线性抗差状态估计（Bilinear Robust State Estimation,BRSE）。通过引入辅助状态变量和量测量,将原始的非线性量测方程转化为线性方程,进而建立基于加权最小绝对值（Weighted Least Absolute Values,WLAV）的IEHS抗差状态估计模型。在算例分析中,通过与基于加权最小二乘（Weighted Least Squares,WLS）的状态估计方法对比,验证了该方法具有更高的计算效率和更好的抗差性。第二,提出基于二阶锥规划（Second-Order Cone Programming,SOCP）的电-热综合能源系统抗差状态估计模型。在BRSE的基础上,为了弥补量测冗余度的损失,将电力系统中的二次等式约束松弛为二阶锥不等式约束,加入到已有的线性WLAV模型中,并在目标函数中加入线性罚函数项以加紧该松弛,进而建立了基于SOCP的抗差状态估计模型。在算例分析中,通过与WLS和BRSE对比,证明了该方法在保证计算效率的前提下,具有更好的估计精度,且能够保证获得全局最优解,并对于量测中出现的强相关性不良数据具有良好的抗差性。第三,由于电力系统和天然气系统具有不同的时间尺度和采样周期,提出基于卡尔曼滤波的电-气综合能源系统（Integrated Electricity-Gas System,IEGS）DSE模型。首先,将有限差分法应用于天然气系统的偏微分方程,推导出天然气系统的标准化状态转移方程;在此基础上,建立基于卡尔曼滤波的IEGS-DSE模型;同时,利用线性插值方法,对电力系统和天然气系统的量测量进行融合,以保证DSE模型的可观测性。在算例分析中,通过与SSE对比,证明了该方法能够更准确地反应系统的真实运行状态,同时具有更高的计算效率。