本发明公开了一种基于宽度学习的电力系统状态估计方法，其步骤包括：结合电力系统已知运行参数数据库，利用Spearman相关系数，筛选出与待估计运行参数强相关的已知运行参数，并构建状态估计模型的训练集与测试集；基于宽度学习理论，搭建具有输入层、隐藏层及输出层共三部分的电力系统状态估计模型；在训练集上多次迭代训练状态估计模型，确定模型中输入层到隐藏层、特征节点到增强节点、隐藏层到输出层的权重系数，并在测试集上对状态估计模型进行精度测试，实现对电力系统待估计运行参数的精准估计。与传统基于物理模型的状态估计方法相比，本发明在确保估计精度的条件下，大幅提升状态估计速度，更加符合大型复杂电网的应用需求。