摘要
本发明公开了一种基于高斯混合模型的电力系统高维不确定性聚合建模方法,包括:原始不确定性分布表征与GMM聚合建模两个阶段,其中GMM聚合建模中又具体包含聚合变量维数确定、聚合参数计算、聚合结果整合三个环节,从而在大大减少样本需求量的情况下实现对电力系统高维不确定性变量的概率保全聚合,有效解决了蒙特卡洛抽样法在处理高维数据时所需的样本数量庞大的问题。本发明可应用于高比例新能源接入下的不确定性电力系统高维变量降维聚合,在保证概率特征不变的情况下实现样本空间缩减,并进一步运用于电力系统风险评估、可靠性分析以及运行规划之中。
技术关键词
高斯混合模型
变量
协方差矩阵
建模方法
后电力系统
负荷
可执行程序代码
电力系统风险评估
概率密度函数
数据
贝叶斯信息准则
期望最大化算法
GMM模型
两阶段
参数
可读存储介质
轮廓系数
建模系统
系统为您推荐了相关专利信息
玻璃盖板
参数优化方法
参数优化模型
调控策略
应力场
数字孪生建模方法
监测运行状态
状态监测模块
数据收集模块
电力物联网技术
精确建模方法
光伏组件故障
融合算法
工作状态信息
基础