国外对于谐波状态估计问题研究较早，1989年著名学者Heydt就提出了谐波状态估计问题，认为谐波状态估计是谐波潮流的逆问题，并提出了一种利用最小方差估计器的谐波源识别算法。作者利用关联矩阵建立了谐波量测量与状态变量之间的数学模型，选用注入视在功率和线路视在功率作量测量，并将节点分为非谐波源和可疑谐波源两种类型，以减少未知状态变量的数目。但是在波形畸变的情况下，无功功率的定义尚未得到统一认识，因此采用视在功率的方法欠缺说服力，但研究开创了谐波状态估计研究的先河，具有重要的意义。

Meliopoulos 和张帆等人的研究成果中将谐波状态估计问题看作为优化问题，并给出了一种最小方差估计算法。

Ma Haili和Girgis在1996年提出了一种应用卡尔曼滤波器识别谐波源的新算法，适用于非平衡三相电力系统中谐波测量仪表的优化配置，以及谐波源位置及其注入电流大小的最优动态估计。以谐波电流为状态变量，谐波电压为量测量，建立状态方程和量测方程。对于确定数目的谐波测量仪表，通过计算不同配置条件时误差协方差矩阵的迹，得到谐波测量仪表的最佳配置方案和谐波注入的最优估计值。

由于电网中非谐波源母线的数量可能远大于谐波源母线数量，为减少未知状态变量的数目，杜振平和Arrillaga提出了一种电力系统连续谐波的状态估计算法。利用关联矩阵的概念建立起谐波量测量与状态变量的数学模型，并且将系统母线分为非谐波源母线和可能的谐波源母线两种类型；此外，还将可能的谐波源母线分为测量母线和未测母线两类。采用上述方法可极大减少未知状态变量的数目，从而极大减少计算工作量，同时还可使谐波估计方程由欠定变为超定，增加了估计结果的可信度。

2000 年， S.S.Matair 和Watson 提出将奇异值分解（Singular Value Decomposition，简称SVD）算法用于电力系统谐波状态估计，该算法能够在系统非完全可观即部分可观、估计方程欠定时的情况下进行有效估计， 降低了对测量冗余的要求。当系统完全可观，估计方程正定或超定时，SVD 算法能给出一个唯一解，并以新西兰南岛220 kV电网为例，分别给出系统完全可观、部分可观时的状态估计结果，并且与实际值进行对比，对比结果表明奇异值分解法能够在系统可观、部分可观的情况下给出有效估计值。

选择节点电压作为状态量，母线注入电流、母线电压、支路电流同步量测作为量测量进行状态估计。对于有足够测量（超定）的方程且测量方程无病态时，通过节点编号优化，运用分层算法对测量矩阵进行预处理后再进行矩阵求解；对于测量方程病态、欠定时，采用SVD算法进行求解谐波状态估计问题，求得估计方程的最小二乘解。以IEEE14节点系统为例，建立系统模型，运用MATLAB编程仿真验证了算法的可靠性。而且，还在SVD 算法的基础上分析了部分可观系统的测量问题，进而对测量配置进行了优化。

2004 年，吴笃贵、徐政提出了一种基于相量测量装置PMU（Phasor Measurement Unit）的状态估计方法。选取节点电压相量作为状态变量，节点电压、支路电流和注入电流相量作为量测量，采用加权最小二乘法进行状态估计。

上述的谐波状态估计方法都有自己的特点，在某种特定的条件下可在一定程度上实现谐波状态估计，但也均存在一定的缺点，精度高、速度快与可观性好的谐波状态估计方法的研究还需进一步深化。