%-pq节点电压幅值期望及方差、线路功率期望及方差 mu_xianlu_p=branch(:,14)/100; sigma_xianlu_p=sqrt(gama_xianlu_p(:,2)); px=0:0.0001:0.3; px1=(px-mu_xianlu_p(11))/sigma_xianlu_p(11); %线路11有功 pdf_xianlu11_p=c2pdf(px1,c_xianlu_p(11,:),sigma_xianlu_p(11)); figure ksdensity(xianlu_p_mc(11,:)); hold on plot(px,pdf_xianlu11_p,'r--') legend('MonteCarlo','半不变量法') title('线路6-9有功概率密度曲线')
时间: 2024-03-31 08:32:49 浏览: 15
这段代码实现了对于支路有功的期望、方差和概率密度函数的计算,并作了一个概率密度曲线图。
首先,定义了两个变量mu_xianlu_p和sigma_xianlu_p,分别表示支路有功的期望和方差。其中,期望mu_xianlu_p是由支路信息中的有功功率标幺值除以100得到的,方差sigma_xianlu_p是由支路潮流的半不变量计算得到的第二项的平方根。
然后,定义了一个横坐标数组px,用于绘制概率密度曲线。同时,计算了一个数组px1,表示每个横坐标与支路11有功期望的差值除以支路11有功方差。这里使用了MATLAB中的点除符号(./)和点减符号(.-)。
接下来,使用c2pdf函数计算支路11有功的概率密度函数pdf_xianlu11_p,其中输入参数为px1、c_xianlu_p(11,:)和sigma_xianlu_p(11)。c_xianlu_p(11,:)表示支路11的有功展开系数,sigma_xianlu_p(11)表示支路11的有功方差。
最后,使用MATLAB中的ksdensity函数绘制Monte Carlo模拟的概率密度曲线,使用plot函数绘制半不变量法计算得到的概率密度曲线。将两个曲线放在同一个图形中,使用legend函数添加图例,使用title函数添加标题。
相关问题
%-pq节点电压幅值期望及方差、线路功率期望及方差 mu_xianlu_p=branch(:,14)/100; sigma_xianlu_p=sqrt(gama_xianlu_p(:,2));
这段代码计算了支路有功的期望和方差。
首先,定义了两个变量mu_xianlu_p和sigma_xianlu_p,分别表示支路有功的期望和方差。
其中,期望mu_xianlu_p是由支路信息中的有功功率标幺值除以100得到的。
方差sigma_xianlu_p是由支路潮流的半不变量计算得到的第二项的平方根。具体地,第二项代表了支路有功随机变量的方差。
%-pq节点电压幅值期望及方差、线路功率期望及方差 mu_vm=bus(pq,8); sigma_vm=sqrt(gama_vm(:,2)); mu_xianlu_p=branch(:,14)/100; sigma_xianlu_p=sqrt(gama_xianlu_p(:,2)); mu_xianlu_q=branch(:,15)/100; sigma_xianlu_q=sqrt(gama_xianlu_q(:,2));
这段代码是计算节点电压幅值和线路功率的期望和方差,具体包括:
- `mu_vm` 是一个大小为 `npq x 1` 的向量,表示 PQ 节点的电压幅值期望;
- `sigma_vm` 是一个大小为 `npq x 1` 的向量,表示 PQ 节点的电压幅值标准差;
- `mu_xianlu_p` 是一个大小为 `nl x 1` 的向量,表示线路有功的期望;
- `sigma_xianlu_p` 是一个大小为 `nl x 1` 的向量,表示线路有功的标准差;
- `mu_xianlu_q` 是一个大小为 `nl x 1` 的向量,表示线路无功的期望;
- `sigma_xianlu_q` 是一个大小为 `nl x 1` 的向量,表示线路无功的标准差;
- `bus(pq,8)` 表示从 `bus` 矩阵中选择 PQ 节点的电压幅值,第 8 列表示电压幅值;
- `gama_vm(:,2)` 表示节点电压幅值的二阶半不变量;
- `branch(:,14)` 和 `branch(:,15)` 分别表示线路的有功和无功功率;
- `gama_xianlu_p(:,2)` 和 `gama_xianlu_q(:,2)` 分别表示线路有功和无功的二阶半不变量;
- `sqrt()` 表示计算平方根;
- `npq` 表示 PQ 节点的数量;
- `nl` 表示线路数量。
具体来说,该段代码是用于计算电力系统中节点电压幅值和线路功率的概率分布特征,包括期望和方差。这些特征可以用于系统的稳定性分析和优化设计。