余爽，翁程琳，张程，臧海祥

(1.国网江苏省电力有限公司检修分公司，江苏 南京 211100；2.河海大学 能源与电气学院，江苏 南京 211100；3.南京航空航天大学，江苏 南京 210016)

随着人类环保意识的增强，以及国家“双碳战略”的提出，化石燃料的使用将不断减少，风电等新能源发电形式的应用将不断增强[1-2]。然而风电的大量接入会对电网产生诸多影响，如潮流越限、谐波等。风力机出力与风速等自然因素息息相关，因此存在天然的不确定性，这对电网的安全稳定运行也带来了新的挑战。

概率潮流(probabilistic power flow, PPF)[3-4]是处理风电并网不确定性的有效方法之一，其求解方法主要包括模拟法[5]、解析法[6-7]和近似法[8]。基于简单随机采样的蒙特卡罗模拟法(simple random sampling Monte Carlo simulation, SRS-MCS)具有精度高的优点，但其计算效率较低，因此一般将其作为与其他方法比较的评判标准。基于拉丁超立方采样(Latin hypercube sampling, LHS)的MCS在保证一定精度的同时提高了PPF的计算效率，且不受输入变量概率分布类型的约束，具有实现简单、精度高的优点。解析法和近似法相较模拟法具有更高的计算效率，然而解析法在线性化过程中存在误差，近似法忽略了高阶矩中包含的信息，两者的计算精度劣于模拟法。

传统PPF基于单时间断面的潮流分布特性，而实际电力系统是动态变化的，因此近年来学者提出了动态概率潮流(dynamic probability power flow, DPPF)的概念。文献[8]提出一种基于奇异值分解和点估计法的随机性处理方法，文中假设风速误差服从正态分布，然而实际风速误差会存在较大的峰度和偏度，使用正态分布描述预测误差可能对DPPF的计算结果产生较大的误差。……