由于可再生能源和负荷的不确定性,电力系统潮流分析需要有效的工具。目前的多数研究都假设一组给定的概率密度函数(PDF:Probability Density Functions)建模不确定性,并开发参数概率潮流工具。为此,提出了一种非参数概率潮流分析方法确...由于可再生能源和负荷的不确定性,电力系统潮流分析需要有效的工具。目前的多数研究都假设一组给定的概率密度函数(PDF:Probability Density Functions)建模不确定性,并开发参数概率潮流工具。为此,提出了一种非参数概率潮流分析方法确定潮流输出的偏微分方程。该方法基于平均值一阶鞍点近似。对于n个随机变量系统,利用潮流计算建立一阶Taylor级数展开,然后采用鞍点近似确定期望输出变量的概率特性。所提出的非参数估计器在需要合理的计算量的同时,能提供精确的结果。此外,在不使用积分或微分算子的情况下,直接建立了潮流输出的概率分布函数和累积分布函数。在IEEE 14总线和IEEE 118总线测试系统上进行了测试,所得结果与其他方法相比,MVFOSPA(Mean Value First Order Saddle Point Approximation)比MCS(Monte Carlo Simulation)算法运行时间减少了12%,验证了MVFOSPA方法的有效性。展开更多
文摘由于可再生能源和负荷的不确定性,电力系统潮流分析需要有效的工具。目前的多数研究都假设一组给定的概率密度函数(PDF:Probability Density Functions)建模不确定性,并开发参数概率潮流工具。为此,提出了一种非参数概率潮流分析方法确定潮流输出的偏微分方程。该方法基于平均值一阶鞍点近似。对于n个随机变量系统,利用潮流计算建立一阶Taylor级数展开,然后采用鞍点近似确定期望输出变量的概率特性。所提出的非参数估计器在需要合理的计算量的同时,能提供精确的结果。此外,在不使用积分或微分算子的情况下,直接建立了潮流输出的概率分布函数和累积分布函数。在IEEE 14总线和IEEE 118总线测试系统上进行了测试,所得结果与其他方法相比,MVFOSPA(Mean Value First Order Saddle Point Approximation)比MCS(Monte Carlo Simulation)算法运行时间减少了12%,验证了MVFOSPA方法的有效性。
