在基于马尔科夫链蒙特卡洛( MCMC)模拟法的概率潮流计算方法中,被广泛应用的Gibbs采样算法需要进行大量复杂的迭代运算才能得到较精确的计算结果。针对该算法的缺陷,提出基于切片采样( slice sampling)算法的MCMC方法,并应用于风力发电并网系统概率潮流计算中。首先,采用加权高斯混合分布( WCMD)对风电场出力进行建模;然后,通过切片采样算法对风电场出力的概率分布进行采样,从而构建出风电场出力的样本空间;最后,对样本空间中的每组采样点进行潮流计算,并在含有风电模型的IEEE 39节点系统中与Cibbs采样算法得到的结果进行比较。结果表明:切片采样算法能够显著提高传统MCMC方法的计算准确度;同时,在与Gibbs算法采样迭代次数相同的情况下,切片采样算法所生成的马尔科夫链可以更快、更稳定地收敛于平稳分布。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !