.png){kind=icon}
返回
An Accelerated Solution Method for Stochastic Optimal Power Flow
.png){kind=icon}
PRE
AI
DOI：10.1109/TPWRS.2025.3618969.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可再生能源的大规模并网给电力系统最优调度带来了显著的不确定性挑战。为全面考虑可再生能源发电随机性的影响，本文提出了一种基于高斯混合模型（GMM）和无迹变换（UT）方法的高效求解算法，旨在解决随机最优潮流（S-OPF）问题。具体而言，本文首先构建了考虑一系列机会约束的S-OPF模型。随后，利用GMM拟合任意分布的随机变量，并采用UT算法通过少量样本点近似输入变量的概率特性。在此基础上，提出了高斯分量简化策略，以在保持最大重构精度的同时最小化计算负担。最后，将基于GMM-UT的输出变量概率重构算法嵌入到通用求解框架中。案例研究表明，所提算法相较于现有近似方法具有优势，且相较于传统蒙特卡洛方法具有更高的计算效率。
Keyword:
Stochastic optimal power flow
chance constraint
Gaussian mixture model
unscented transformation
Gaussian component simplification
期刊
IF:
7.2
论文数:
1.1W
被引数:
5.0W
机构
引用论文
.png){kind=icon}
Chance-constrained co-optimization of demand response and Volt/Var under Gaussian mixture model高斯混合模型下需求响应与Volt/Var的机会约束协同优化
PREAI
分享收藏
查看更多内容