朱 溪，苏晨博，刘教民

（华北电力大学 电气与电子工程学院，北京102206）

0 引言

随着电网中风电等可再生能源数量的不断攀升，新能源的不确定性对IES运行状态的影响愈发突出[1]，[2]。目前，主要采用概率能流（Probabilistic Energy Flow，PEF）研究不确定性对IES的影响[3]。PEF分析方法主要包括蒙特卡罗模拟法（Monte Carlo Method，MCM）[4]、半不变量法[5]和点估计法[6]。半不变量法根据输入变量的半不变量结合级数展开求取输出量的概率密度函数，该方法既能维持较高的运算效率，又能保证计算结果的精度[7]～[9]。然而传统的半不变量计算方法都是基于NR法，当电-热联合系统包含大量新能源时，该算法容易出现迭代不收敛的情况。

为了解决上述问题，SD Rao提出了一种新的非迭代方法，称为全纯嵌入法（Holomorphic Embedding Method，HEM）[10]。HEM具有一个显著的优点：如果系统存在解，则该方法能够保证最终找到一个可以运行的解；相反，如果系统没有解，则计算出的有理近似值会产生数值振荡[11]，[12]。

风机的输出功率受到风速的影响，且同一地理区域内的风速存在非线性相关性[13]，因此在计算含风电场的电-热联合系统的概率能流时要充分考虑这种时空相关性[14]。根据Copula函数的特性和原理，多元变量的相关性模型可利用二元Copula的概率密度函数和边缘概率密度函数相乘获得[15]。但是特定的二元Copula很难准确地刻画风速这类复杂变量的分布特性[16]～[18]。

为此，本文首先提出一种基于RVM的多维风场风速的联合分布计算方法，该方法采用核函数能有效地避免参数估计带来的二次误差，从而提高计算精度，并且其权重系数矩阵为稀疏阵，能够大幅度提升计算效率。……