Este documento propone una estimación de estado basada en datos impulsados por la migración de muestras para redes de distribución de baja observabilidad, abordando el desafío de que los estimadores de estado tradicionales no son adecuados para redes de distribución con baja observabilidad. El modelo de estimación de estado se entrena utilizando datos de medición históricos de redes de distribución con alta observabilidad. Las mediciones actualizadas para redes de distribución de baja observabilidad se complementan transfiriendo muestras de redes de distribución de alta observabilidad mediante técnicas de migración de muestras, lo que resulta en un modelo de estimación de estado adecuado para redes de distribución de baja observabilidad. Los resultados de las pruebas demuestran que el algoritmo propuesto supera a los algoritmos tradicionales tanto en precisión de estimación como en aspectos de robustez, como los métodos de Mínimos Cuadrados Ponderados (WLS) y Mínimos Valores Absolutos Ponderados (WLAV). Además, la migración de muestras mejora la capacidad de generalización del modelo de estimación de estado.