[发明专利]基于马尔科夫理论和比例分配原理的连续时段概率潮流预测方法

权利要求书

1.基于马尔科夫理论和比例分配原理的连续时段概率潮流预测方法，其特征在于，步骤如下：

步骤一，设置预想进行潮流计算的连续时间段数，根据地区风电功率的历史数据建立风电功率马尔科夫链模型；

步骤二，根据所述风电功率马尔科夫链模型和初始时刻风电预测功率概率分布的状态向量计算下一时刻的风电预测功率概率分布的状态向量；利用比例分配原理计算下一时刻风电预测功率变量各状态区间的抽样次数；使用蒙特卡洛抽样法分别对风电预测功率变量各状态区间进行抽样得到对应的风电预测功率值；根据所述风电预测功率值建立风电预测功率变量的样本矩阵；

步骤三，将所述风电预测功率变量的样本矩阵作为确定性潮流计算模型的输入量进行概率潮流计算；进行循环计算时，每次循环选择风电预测功率变量的样本矩阵的列向量完成一个时刻的概率潮流计算，直到完成连续时段内每一个时刻的概率潮流计算；根据循环计算所得的连续时段内各个时刻输出变量的离散结果使用核密度估计拟合，得到输出变量的概率分布曲线。

2.如权利要求1所述连续时段概率潮流预测方法，其特征在于，所述步骤一中根据地区风电功率的历史数据建立风电功率马尔科夫链模型的方法为：

根据地区风电功率的历史数据对风电功率划分状态区间，计算风电功率各状态间的转移概率值从而获得状态转移概率矩阵，根据状态转移概率矩阵建立风电功率的马尔科夫链模型；

所述风电功率的马尔科夫链模型如(1)所示，

Pk=pk11pk12...pk1mpk21pk22...pk2m............pkm1pkm2...pkmm---(1)]]>

式(1)中：p^k_ij状态转移概率矩阵P^k的一个元素，表示风电功率从状态i向状态j演变的概率，且i,j＝1,2,…m；m为将功率历史数据等间隔划分成的状态区间的个数，N^k_ij为风电功率变量X^k从状态i向状态j演变的次数，k∈K， K为风电场的个数。