(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210818181.3 (22)申请日 2022.07.13 (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区正 街174号 申请人 南昌大学 (72)发明人 彭穗　陶婧　朱自伟　徐松龄　 周群臣　唐俊杰　徐婉婉　谢开贵　 (74)专利代理 机构 北京众合诚成知识产权代理 有限公司 1 1246 专利代理师 王焕巧 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/18(2006.01) G06F 17/16(2006.01) H02J 3/06(2006.01)H02J 3/36(2006.01) H02J 3/38(2006.01) (54)发明名称 一种高精度的交直 流混联电网潮流 算法 (57)摘要 本发明公开了一种高精度的交直流混联电 网潮流算法， 根据最大熵方法的原理， 以K ‑L距离 最小化作为目标函数， 采用分数阶矩作为约束条 件， 求解各个变量的概率密度函数。 最后结合该 模型， 基于拉丁超立方抽样算法对AC/VSC ‑MTDC 混联电网进行概率潮流计算。 本发 明采用一种基 于最大熵模型和分数阶矩去拟合实际电网中风 速和光照强度概率密度分布的方法， 并将其用于 AC/VSC‑MTDC混联电网的概率潮流计算； 低阶分 数统计矩可以包含大量整数阶矩的信息， 从而避 免求解高阶整数统计矩过程中的变异问题。 分数 阶矩最大熵方法可以显著提高AC/VSC ‑MTDC混联 电网的概 率潮流计算的准确性。 权利要求书3页 说明书11页 附图5页 CN 114970212 A 2022.08.30 CN 114970212 A 1.一种高精度的交直 流混联电网潮流 算法， 其特 征在于： 包括以下步骤： 步骤S1： 收集电力系统中随机变量的历史数据 集X＝(x1,x2,…,xn)， 随机变量的个数为 n， 样本总数为 N； 步骤S2： 基于分数阶矩的定义， 依次获得步骤S1中各个随机变量的分数阶矩 表达式； 步骤S3： 基于最大熵方法， 建立各个随机变量的K ‑L距离函数模型； 步骤S4： 将步骤S2中获得的分数阶矩表达式作 为约束条件， 采用步骤S3中K ‑L距离最小 化作为优化目标， 求取 各个随机变量的概 率密度函数fi(xi)； 步骤S5： 根据步骤S 4中求取的概率密度函数fi(xi)， 采用拉丁超立方采样法生成电力系 统中随机变量样本集 步骤S6： 收集电力系统交流和直流电网的系统参数， 形成交直流混联电网确定性潮流 计算模块； 步骤S7： 将步骤S5获取 的随机变量样本集 逐组输 入步骤S6建立的确定性交直流混联电网确定性潮流计算模块中进 行概率潮流计算， 从而输 出交直流混联电网概 率潮流计算结果。 2.根据权利要求1所述的一种高精度的交直流混联电网潮流算法， 其特征在于： 步骤S2 具体过程如下： 根据分数阶矩的定义， 可获得随机变量分数阶矩的表达式如下： 其中， αi表示随机变量xi分数阶矩的阶数， αi取值为正实数； 用一个 或者多个阶数的分数阶矩描述随机变量的概率特征， 其中M表示描述变量xi分数阶矩的阶 数数量； fi(xi)为随机变量xi的概率密度函数， 是待求 函数； 关于其均值x0的泰勒级数展开 为式： 其中， j＝0,1,2, …,n； 分数阶矩二项式系数的取值 为： 因此， 步骤S1中各个随机变量的分数阶矩的表达式如下 所示： 权　利　要　求　书 1/3 页 2 CN 114970212 A 2从上述特 征可以发现， 单个分数阶矩包 含大量整数阶矩的信息 。 3.根据权利要求2所述的一种高精度的交直流混联电网潮流算法， 其特征在于： 步骤S3 具体过程如下： 基于最大熵方法， 采用K ‑L距离函数度量概率密度 估计函数gi(xi)和真实概率密度函数 fi(xi)之间的偏差值； 由此， 可以得到各个随机变量的K ‑L距离表达式K[fi(xi),gi(xi)]如 下： 其中， λi表示随机变 量xi分数阶矩约束下的拉格朗日乘子， M表示描 述变量xi分数阶矩的阶数 数量， 由于待求 参数一共有两个， 因此 取M＝2； H[fi(xi)]表示随机变量xi的信息熵， 具体表示如下： gi(xi)表示随机变量xi的概率密度估计函数， 其目的是为了引入分数阶矩的约束， 具有 如下表达形式： λ0表示随机变量xi在归一化条件下的拉格朗日乘子， 可表示如下： 其中， 4.根据权利要求3所述的一种高精度的交直流混联电网潮流算法， 其特征在于： 步骤S4 具体过程如下： 若想使得随机变量xi的信息熵取得最大值， 则 K‑L距离函数K[fi(xi),gi(xi)]需取得最 小值； 由于真 实概率密度的熵值H[fi(xi)]对于给定的分数阶矩是不变的， 因此K ‑L距离最小 化程度取决于待定参数矢量αi和 λi， 定义各个随机变量的Γ( λi, αi)函数如下： 根据最大熵原理， 需寻找满足使得Γ( λi, αi)函数最小 化的fi(xi)， 它可以转化为以下最 优化问题： 权　利　要　求　书 2/3 页 3 CN 114970212 A 3