离散概率模型在风光互补供电系统优化配置中的应用

"基于离散概率模型的风光互补供电系统优化配置方法的研究，旨在解决风光互补供电系统的容量配置问题，通过考虑风能、太阳能的不稳定性以及负荷需求的随机性，建立多目标优化模型，以最大化电能充裕度、最小化总投资和电压越限概率为目标。文章提出了一种改进的随机潮流算法，对离散随机变量进行期望值和增量的独立研究，并利用矩计算和半不变量转化，近似得到节点电压和系统电能裕量的概率分布。采用并行计算和非支配排序遗传算法（PNPGA-II）寻找帕累托最优解集，从而实现系统的优化配置。这种方法适用于解决风光互补供电系统的配置问题，提高了配置的效率和准确性。关键词涉及风力发电、光伏发电、离散概率分布、容量优化配置、随机潮流算法和遗传算法。该研究受到国家高技术研究发展计划（863计划）的资助。" 本文探讨的是风光互补供电系统的优化配置问题，特别是在考虑风能和太阳能的随机性以及负荷需求变化的基础上，如何通过离散概率模型进行量化分析。作者叶承晋等人提出了一个创新的方法，将系统中的不确定因素，如风速、日照、负荷和设备故障，用离散概率分布来表示，构建了一个多目标优化模型。模型的目标包括最大化电力供应的充足性，最小化整个系统的投资成本，并降低电压超出规定范围的可能性。 优化过程涉及到改进的随机潮流算法，这是一种处理电力系统中随机变量的有效工具。通过分离离散随机变量的期望值和增量，研究人员能够更准确地计算节点电压和系统电能裕量的概率分布。他们利用矩计算和转化半不变量，采用级数逼近方法来近似这些分布，这有助于减少计算复杂性和提高计算速度。 在解决优化问题时，文章采用了并行加速的非支配排序遗传算法（PNPGA-II），这是一种能够找到帕累托最优解集的优化算法，可以同时考虑多个优化目标，而不仅仅是单一目标的最大化或最小化。通过算例分析，作者证明了这种方法的可行性和优势。 这项研究为风光互补供电系统的容量配置提供了一种基于离散概率模型的量化优化方法，该方法不仅可以更精确地评估系统的性能，还能有效减少计算负担，适应于大规模和复杂的系统配置问题。这一研究对于提高风光互补供电系统的稳定性和经济性具有重要的理论与实践意义。