本发明提供一种基于神经网络的配电网多时间尺度状态估计方法、系统及介质，该方法包括：获得SCADA、AMI、PMU数据，将数据输入到EMD‑GRU集成预测模型中，得到SCADA、AMI在短时间尺度中的预测数据，作为后续transformer模型训练数据集，根据配电网参数和量测配置建立状态估计模型，将量测值线性、非线性分量分别输入transformer模型，得到动态状态估计值，将预测值输入到GAN中，与量测值比较，得到当前时刻状态估计优化值。本发明基于PMU、SCADA、AMI实时量测数据，通过神经网络对配电网系统进行极短更新周期的动态状态估计，实现对配电网系统的实时状态感知。