...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Elektronika ir Elektrotechnika >An Analytic Approach to Probabilistic Load Flow Incorporating Correlation Between Non-Gaussian Random Variables
【24h】

An Analytic Approach to Probabilistic Load Flow Incorporating Correlation Between Non-Gaussian Random Variables

机译：概率负载流的分析方法包括非高斯随机变量之间的相关性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a cumulant-based method for probabilistic load flow (PLF) analysis which incorporates correlation between input random variables. Our approach can approximate non-Gaussian variables of all kinds (e.g. different load profiles or renewable power injections) accurately using the Gaussian mixture model (GMM), which also facilitates the computation of cumulants in a straightforward numerical way. Multiple correlations can be easily handled by transforming correlated variables into a combination of uncorrelated ones. To reduce the deviations introduced by traditional series expansions such as Edgeworth or Cornish-Fisher series, we use C-type Gram-Charlier series instead, which can better predict the probabilistic tail regions and have good convergence property as well. The good performance of the proposed method is verified using the IEEE 30 test system in terms of accuracy and efficiency.
机译：本文介绍了基于占概率负荷流（PLF）分析的基于累积方法，其结合了输入随机变量之间的相关性。 我们的方法可以使用高斯混合模型（GMM）准确地近似所有类型的非高斯变量（例如，不同的负载轮廓或可再生电力注入），这还促进了以简单的数值方式计算累积物。 通过将相关变量转换为不相关的组合，可以容易地处理多个相关性。 为了减少传统系列扩展引入的偏差，如Edgeworth或Cornish-Fisher系列，我们使用C型克查尔米尔系列，这可以更好地预测概率尾部区域并具有良好的收敛性。 在准确性和效率方面，使用IEEE 30测试系统验证所提出的方法的良好性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号