基于混合高斯模型的相关非高斯输入变量随机潮流计算-东南大学学报.PDFVIP

第４７卷第２期 东南大学学报（自然科 学版 ） Ｖｏｌ．４７ Ｎｏ．２ 　 ２０１７年３月 ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） 　 Ｍａｒ．２０１７ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０１７．０２．０１６ 基于混合高斯模型的相关非高斯输入变量随机潮流计算 １ １ ２ ２ 黄　煜　 徐青山　 刘建坤　 卫　鹏 １ （东南大学电气工程学院，南京２１００９６） ２ （江苏省电力公司电力科学研究院，南京２１０００３） 摘要：提出一种考虑输入变量相关性的随机潮流计算方法．该方法针对系统中的非高斯输入变 量，建立其混合高斯模型（ＧＭＭ）．在此基础上，引入高斯分量组合算法（ＧＣＣＭ），通过多次加权 最小二乘计算（ＷＬＳ）直接求得输出变量的概率分布．研究限制ＧＭＭ 中高斯分量个数的约简方 法，以减少ＷＬＳ运算次数．对ＩＥＥＥ３０节点系统的仿真和误差分析表明，ＧＭＭ具有拟合精度 高、适用性广的特点．所提方法与ＭＣＳ的计算结果基本一致，但计算效率有了显著提高，并且算 法的速度和精度与ＷＬＳ运算次数有关． 关键词：混合高斯模型；约简算法；相关性；高斯分量组合；随机潮流 中图分类号：ＴＭ７４　　文献标志码：Ａ　　文章编号：１００１－０５０５（２０１７）０２０２９１０８ ＰｒｏｂａｂｉｌｉｓｔｉｃｌｏａｄｆｌｏｗｗｉｔｈｎｏｎＧａｕｓｓｉａｎｃｏｒｒｅｌａｔｅｄｉｎｐｕｔｖａｒｉａｂｌｅｓ ｂａｓｅｄｏｎＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌ １ １ ２ ２ ＨｕａｎｇＹｕ　 ＸｕＱｉｎｇｓｈａｎ　 ＬｉｕＪｉａｎｋｕｎ　 ＷｅｉＰｅｎｇ １ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９６，Ｃｈｉｎａ） ２ （ＪｉａｎｇｓｕＥｌｅｃｔｒｉｃＰｏｗｅｒＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｎａｌｇｏｒｉｔｈｍｆｏｒｐｒｏｂａｂｉｌｉｓｔｉｃｌｏａｄｆｌｏｗｃｏｎｓｉｄｅｒｉｎｇｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｉｎｐｕｔｖａｒｉａ ｂｌｅｓｗａｓｐｒｏｐｏｓｅｄ．ＡＧａｕｓｓｉａｎｍｉｘｔｕｒｅｍｏｄｅｌ（ＧＭＭ）ｗａｓｅｓｔａｂｌｉｓｈｅｄｂｙｔｈｅａｌｇｏｒｉｔｈｍｔｏｒｅｐｒｅｓｅｎｔ ｎｏｎＧａｕｓｓｉａｎｉｎｐｕｔｖａｒｉａｂｌｅｓｉｎｔｈｅｓｙｓｔｅｍ．Ｏｎｓｕｃｈａｂａｓｉｓ，ａＧａｕｓｓｉａｎｃｏｍｐｏｎｅｎｔｃｏｍｂｉｎａｔｉｏｎ ｍｅｔｈｏｄ（ＧＣＣＭ）ｗａｓｉｎｔｒｏｄｕｃｅｄａｎｄｔｈｅｍａｒｇｉｎａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆａｎｙｏｕｔｐｕｔｖａｒｉａｂｌｅｗａｓｄｉｒｅｃｔｌｙ ｏｂｔａｉｎｅｄｆｒｏｍｍｕｌｔｉｐｌｅｗｅｉｇｈｔｅｄｌｅａｓｔｓｑｕａｒｅｒｕｎｓ（ＷＬＳ）．Ａｓｔｕｄｙｗａｓａｌｓｏｃａｒｒｉｅｄｏｕｔｔｏｒｅｄｕｃｅ ｔｈｅｎｕｍｂｅｒｏｆｔｒｉａｌｓｂｙｌｉｍｉｔｉｎｇｔｈｅｎｕｍｂｅｒｏｆＧａｕｓｓｉａｎｃｏｍｐｏｎｅｎｔｓ．Ｔｈｅｓｉｍｕｌａｔｉｏｎａｎｄｅｒｒｏｒａｎａｌｙ ｓｉｓｏｎＩＥＥＥ３０ｔｅｓｔｓｙｓｔｅｍｉｎｄｉｃａｔｅｄｔｈａｔＧＭＭｈａｄｔｈｅｆｅａｔｕｒｅｓｏｆｈｉｇｈｆｉｔｔｉｎｇｐｒｅｃｉｓｉｏｎａｎｄｗｉｄｅａｐ ｐｌｉｃａｂ