-
题名基于数据驱动型多项式混沌逼近的概率潮流计算
- 1
-
-
作者
雷傲宇
蒋友津
刘承锡
梅勇
罗永建
甄鸿越
-
机构
中国南方电网电力调度控制中心
武汉大学电气与自动化学院
交直流智能配电网湖北省工程中心
流输电技术国家重点实验室(南方电网科学研究院)
-
出处
《科学技术与工程》
北大核心
2025年第2期598-609,共12页
-
基金
中国南方电网有限责任公司科技项目(ZDKJXM20210063)
广东省基础与应用基础研究项目(2022A1515240033)。
-
文摘
为了分析不确定性因素对电力系统的影响,兼具快速性和准确性的多项式混沌逼近法(polynomial chaos approximation,PCA)被广泛应用于概率潮流计算中。多项式混沌逼近法要求已知随机输入变量的概率密度函数(probability density function,PDF),同时随机输入变量需要满足独立条件。针对已知随机输入变量为历史数据的情况,提出了一种数据驱动型多项式混沌逼近(data driven polynomial chaos approximation,DDPCA)的概率潮流方法。首先,DDPCA根据历史数据选择最优的正交多项式,进而确定考虑随机输入变量非线性相关性时的高斯样本,然后结合蒙特卡洛积分计算权重。紧接着,基于高斯样本进行少量的潮流计算,并根据潮流结果和权重求解逼近系数,进而求取随机输出变量的统计特征。将所提方法与点估计法进行了比较,在三个算例上的结果验证了所提方法的有效性。
-
关键词
数据驱动
多项式混沌逼近
高斯样本
概率潮流
蒙特卡洛积分
非线性相关性
-
Keywords
data-driven
polynomial chaos approximation
Gaussian samples
probabilistic power flow
Monte Carlo integral
nonlinear correlation
-
分类号
TM301
[电气工程—电机]
-
