文献知网节
  • 记笔记

基于K-means聚类技术改进的多线性蒙特卡洛概率能流算法

靳康萌张沛邓晓洋谢桦

北京交通大学电气工程学院

摘要:可再生能源的间歇性出力以及负荷的波动给综合能源系统(integrated energy systems,IES)引入了大量不确定性因素。提出了一种基于K-means聚类技术改进的多线性蒙特卡洛概率能流计算方法。首先,引入输入随机变量整体灵敏度系数概念,并以权重系数的形式修正输入随机变量样本,改进K-means聚类效果,确保各聚类簇均具有较小的波动范围。然后,采用多线性化求解思路进行概率能流计算,即对聚类中心进行确定性能流计算,而各聚类簇中输入随机变量样本利用同一簇聚类中心处得到的状态变量和雅可比矩阵进行线性化能流求解,从而减少了迭代过程,提高计算效率。以IEEE57节点电力系统和14节点天然气网络构成的IES为算例,验证了所提方法比传统蒙特卡洛法具有更高的计算效率,相比现有多线性蒙特卡洛算法具有更高的准确性和计算效率。
  • DOI:

    10.13335/j.1000-3673.pst.2018.2290

  • 专辑:

    理工C(机电航空交通水利建筑能源); 电子技术及信息科学

  • 专题:

    电力工业; 计算机软件及计算机应用

  • 分类号:

    TP311.13;TM73

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:409 页码:65-74 页数:10 大小:531K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者