[发明专利]基于粒子群优化算法和均匀设计采样结合Nataf变换的数据处理方法及数据处理系统

说明书

本发明公开基于粒子群优化算法和均匀设计采样结合Nataf变换的数据处理方法及数据处理系统，包括以下步骤：S1：对电力系统进行数据识别，得到基础数据，所述的基础数据包括输入随机变量X＝[x₁,x₂,...,x_i,...x_m]^T的概率分布特性及其相关系数矩阵ρ_X；定义n为采样规模，定义m为输入随机变量的维数；定义s为迭代次数；定义为x_i的累积分布函数；为的反函数；S2：根据基础数据，通均匀采样算法，得到第一优化数据；S3：根据第一优化数据，通过奇异值分解和Nataf变换进行优化，得到第二优化数据；S4：根据第二优化数据，通过粒子群优化算法进行优化，得到第三优化数据；S5：根据第三优化数据通过潮流计算，得到节点电压D、支路潮流E的数字特征及对应的概率发布。

技术领域

本发明涉及数据处理领域，更具体地，涉及基于粒子群优化算法和均匀设计采样结合Nataf变换的数据处理方法及数据处理系统。

背景技术

电力系统中本来就有很多的随机因素，随着新能源电力系统的发展，大规模风力和光伏发电并网，使电力系统中的不确定性急剧增加。研究表明电力系统中的随机性因素大都满足某一的概率分布特性(例如：风电场风速大致服从双参数的Weibull分布、电力负荷大都服从正态分布、光伏电站的有功出力近似服从Beta 分布等)及具有相关性。为了更简单有效的分析电力系统中随机关联性因素对电力系统运行的影响，在已知风速、光照强度、电力负荷等随机变量分布特性的条件下，简单高效可处理随机变量相关性的概率潮流(Probabilistic Load Flow，PLF) 计算方法对分析电网运行有着重要意义。

发明内容

为克服上述现有技术与方法的不足，本发明提出了基于粒子群优化算法和均匀设计采样结合Nataf变换的数据处理方法及数据处理系统。本发明有如下优点： 1)不需要复杂的变换，实现简单；2)不受不同边缘分布的影响，适应面广；3) 能处理随机变量相关系数矩阵正定和非正定的情形；4)能较好地适应未来电力系统随机波动性强的特点，具有较好的工程应用前景。

为解决上述技术问题，本发明的技术方案如下：

基于粒子群优化算法和均匀设计采样结合Nataf变换的数据处理方法，包括以下步骤：

S1：对电力系统进行数据识别，得到基础数据，所述的基础数据包括输入随机变量X＝[x₁,x₂,...,x_i,...x_m]^T的概率分布特性及其相关系数矩阵ρ_X；定义n为采样规模，定义m为输入随机变量的维数；定义为x_i的累积分布函数；为的反函数；

S2：根据基础数据，通过均匀采样算法，得到第一优化数据；

S3：根据第一优化数据，通过奇异值分解和Nataf变换进行优化，得到第二优化数据；

S4：根据第二优化数据，通过粒子群优化算法进行优化，得到第三优化数据；

S5：根据第三优化数据通过潮流计算，得到节点电压D、支路潮流E的数字特征及对应的概率分布。

本发明中有如下优点：1)不需要复杂的变换，实现简单；2)不受不同边缘分布的影响，适应面广；3)能处理随机变量相关系数矩阵正定和非正定的情形； 4)能较好地适应未来电力系统随机波动性强的特点，具有较好的工程应用前景。

在一种优选的方案中，所述的S2包括以下子步骤：