本发明提出一种预测辅助的电力系统状态估计方法，流程包括：根据电网的历史数据，对极限学习机进行训练；利用无迹变换构造Sigma点集；计算k时刻状态转移函数；获得k+1时刻预测值的Sigma点集，对Sigma点集进行无迹变换的反变换，获得k+1时刻电网预测状态值；根据所述电力系统预测数据与量测数据均可视为随机高斯分布，根据卡尔曼滤波算法原理，求得电网k+1时刻估计状态值；并且根据判断条件，重复上述步骤；本发明将基于极限学习机获得的预测数据与利用状态估计实时估计值通过线性外推法获得的预测数据进行加权结合，并通过实际估计数据准确度对权值进行自适应调整，得到更加精确的预测数据；实现了更加精确、快速的电力系统状态估计。