计及相关性的改进均值一阶鞍点估计概率潮流计算

概率潮流是用于计算具有不确定性电力系统运行的重要工具。许多已知的算法都是假定给定的概率密度函数来模拟随机变量的不确定性,形成参数概率潮流工具。但是随机变量的不确定性可能不会落在标准的概率密度函数中,因此提出了非参数模型即均值一阶鞍点估计模型。均值一阶鞍点估计法要求输入变量相互独立,针对这种情况,提出利用Cholesky分解将相关的输入变量转化成不相关的变量,同时为了解决一些输入变量的累积量母函数不能用显函数表示的情况,提出采用Taylor级数展开。该方法在求解输出变量概率密度函数和累积分布函数时,不需要积分或者微分。最后,在改进的IEEE34节点系统上进行仿真,结果表明所提算法的有效性和实用性。     

考虑风电相关系数矩阵非正定的概率潮流计算

高比例风电并网导致电力系统的随机性因素急剧增加,概率潮流计算是电力系统运行和规划的必要工具.提出一种可灵活处理相关系数矩阵非正定的概率潮流方法.该算法通过改进近似贝叶斯计算,和结合奇异值分解的Nataf变换得到考虑相关性的状态变量样本,通过误差函数快速计算和比照统计特征值,进而将状态变量概率分布求解问题转变为一种参数反演问题.基于IEEE-30节点系统的仿真结果验证了所提方法的计算精度和时效性.     

基于黄金分割二分法鞍点线抽样的可靠性分析

为解决非正态变量空间中复杂多变的隐式非线性功能函数的可靠性问题,融合鞍点估计与线抽样法的优点,结合二分法的特点与黄金分割法的求解效率,提出基于黄金分割二分法的鞍点线抽样法.在标准化变量空间中,沿重要线抽样方向,利用黄金分割点的二分法快速找到各样本点对应于功能函数的零点,从而可按照鞍点估计的思想将结构的失效概率转化为一系列线性功能函数失效概率的算术平均值.研究表明:基于黄金分割二分法的鞍点线抽样法在求解非正态变量空间中复杂多变的隐式非线性功能函数的结构可靠性时不仅精度高,而且速度快.     

含多种分布式电源的配电网概率无功优化

针对配电网无功优化时多种分布式电源出力以及负荷的随机性,建立了考虑多重不确定因素的概率无功优化模型.通过三点估计法将概率潮流计算转化为采样点处的确定潮流计算,以处理所建模型中的不确定因素对无功优化结果的影响.为克服粒子群算法易陷入局部最优的缺陷,将自适应控制策略应用于粒子群算法,采用一种改进粒子群算法(IPSO)用于模型的求解.在改进的IEEE33节点系统上进行仿真测试,其结果验证了所提概率无功优化模型和求解方法的可行性及有效性.     

不确定性优化方法在船型优化设计中的应用

为了使非高精度的近似模型在船型优化中发挥最大效用,引入不确定性优化方法,采用区间数描述反向传播(BP)神经网络构建的兴波阻力系数近似模型的不确定性,基于主尺度与船型系数联合组成的设计空间构建了最小总阻力的优化模型.采用双层嵌套优化体系,外层采用加入学习因子改进策略的粒子群算法对引入罚函数的总阻力目标函数进行优化,内层采用改进的快速模拟退火算法针对近似模型的不确定域求解目标函数区间.算例表明了不确定性优化体系的优越性与两种优化算法的适用性.     

基于区间有限元的吊梁非概率可靠性研究及敏感性分析

为了满足吊梁可靠性设计的要求,需要考虑设计参数的不确定性对结构响应的影响.首先结合区间有限元法,对吊梁的不确定性用区间进行描述,建立有限元控制方程,针对控制方程中系数存在不确定性,利用－阶泰勒展开法对其进行求解,获得结构响应区间:其次,分析吊梁的可靠性验算,建立不同失效模式下的极限状态函数,基于非概率可靠性计算方法,得到吊梁的非概率可靠性指标:最后,对区间敏感因子进行定义,分析设计参数在区间内变化对结构响应的敏感程度,通过实例验证.研究结果表明:本文方法的合理性与可行性,并具有一定的工程参考价值.     

多输出m值逻辑函数的谱特征

讨论了剩余类环上多输出多值逻辑函数的谱特征,给出了多输出m值逻辑函数的广义一阶Chrestenson谱与单输出m值逻辑函数Chrestenson谱之间的关系,得到了多输出m值逻辑函数的广义一阶Chrestenson谱与其函数之间的转换公式,接着给出了多输出m值逻辑函数的广义一阶Chrestenson谱的概率表示式.同时讨论了多输出m值逻辑函数的广义一阶Chrestenson线性谱和循环谱之间的关系,并给出了这两种谱之间的关系式.     

考虑概率潮流的分布式电源优化配置

为了解决电动汽车和分布式电源并网为电力系统带来的较强的随机性、间歇性和相关性的问题,以分布式电源和电动汽车的概率模型为基础,建立了以分布式电源总费用、供电可靠性和有功网损为目标函数的优化配置模型,将概率潮流计算嵌入基于成功历史的自适应参数差分进化算法求解目标函数。采用无迹变换利用输入随机变量的均值和协方差近似描述系统状态变量统计特性,直接方便地处理具有不确定性的随机变量。然后利用径向基神经网络求解功率方程,避免了计算雅可比矩阵和偏导,减少了算法运行时间。最后采用基于成功历史的自适应参数差分进化法并行计算多目标函数。通过IEEE33节点配电系统进行仿真,验证了该方法的有效性和高效性,节约了规划成本。     

压缩感知中的概率约束优化模型及其D.C.近似

带有噪声的压缩感知信号重建模型可表示为l_1-范数问题.为了满足使用少量观测值重构出高精度的图像,在设置观测矩阵时需要满足受限等距性(RIP)和非相干性,然而判断一个矩阵的RIP是非常困难的.针对观测矩阵的不确定性,将该模型转化为具有概率约束的随机优化模型,即在约束条件以很大的概率被满足的情况下,求解最小l_1-范数问题.构建了概率约束函数的一个D.C.近似函数,讨论了函数的性质,建立了相应的D.C.近似问题,证明了D.C.近似问题与概率约束优化问题的等价性.     

交通需求组合模型的不确定性分析

交通需求预测中会有很多不确定性因素.系统的不确定分析可以分析模型输出的可信程度,并且界定影响不确定性的关键因素.采用了基于敏感性分析的方法(SAM)分析交通需求组合模型(CTDM)的不确定性.CTDM基于出行者的理性行为,并可描述为一个非线性规划问题,从而分析敏感性.不确定性分析包括模型输入的不确定性和模型参数的不确定性.与基于随机抽样的分析方法相比,基于敏感性分析的方法在大大减少计算量的同时,可以得到近似的精度,并且可以同时或分开考虑输入的不确定性和参数的不确定性.研究认为,提高参数精度比提高输入精度能更有效地提高输出结果的可信水平.