基于无迹变换Unscented Transformation, UT的电网概率潮流分析 MATLAB 实现一、整体思路工程级随机输入变量负荷、风电、光伏 ↓ 无迹变换UT生成 Sigma 点 ↓ 逐点执行确定性潮流计算Newton‑Raphson ↓ 加权统计输出变量电压、功率 ↓ 概率指标均值、方差、PDF、越限概率二、电网概率潮流数学模型1、输入随机变量x[PL1,QL1,PW1,PPV1,… ]T \mathbf{x} [P_{L1}, Q_{L1}, P_{W1}, P_{PV1}, \dots]^Tx[PL1​,QL1​,PW1​,PPV1​,…]T负荷正态分布风电Weibull →Nataf 变换 → 高斯空间光伏Beta →Nataf 变换 → 高斯空间2、输出变量z[V1,V2,…,Pline,Qline]T \mathbf{z} [V_1, V_2, \dots, P_{line}, Q_{line}]^Tz[V1​,V2​,…,Pline​,Qline​]T三、MATLAB 主程序主脚本ut_probabilistic_power_flow.m%% % 基于无迹变换的电网概率潮流分析% 适用IEEE 标准算例Matpower% clear;clc;close all;%% 1. 载入电网数据IEEE 14节点为例mpcloadcase(case14);baseMVAmpc.baseMVA;%% 2. 定义随机变量负荷 风电% 格式[均值, 标准差]% 假设节点 9、14 为负荷随机波动% 节点 6 为风电机组random_vars[1.0,0.05;% P9 负荷1.0,0.05;% Q9 负荷1.0,0.05;% P14 负荷1.0,0.05;% Q14 负荷0.8,0.2;% 风电 P6 (均值0.8pu波动20%)];nsize(random_vars,1);% 随机变量维数kappa1;% UT 缩放因子%% 3. 无迹变换 Sigma 点生成mean_xrandom_vars(:,1);std_xrandom_vars(:,2);cov_xdiag(std_x.^2);Lchol(cov_x,lower);lambdankappa;N_sigma2*n1;Wmzeros(1,N_sigma);% 均值权重Wczeros(1,N_sigma);% 协方差权重sigma_ptszeros(n,N_sigma);% 第0个 Sigma 点sigma_pts(:,1)mean_x;Wm(1)kappa/lambda;Wc(1)Wm(1);% 其余 Sigma 点fori1:nsigma_pts(:,i1)mean_xsqrt(lambda)*L(:,i);sigma_pts(:,i1n)mean_x-sqrt(lambda)*L(:,i);Wm(i1)0.5/lambda;Wm(i1n)0.5/lambda;Wc(i1)0.5/lambda;Wc(i1n)0.5/lambda;end%% 4. 确定性潮流计算nbussize(mpc.bus,1);V_outzeros(nbus,N_sigma);fprintf(开始 UT 概率潮流计算共 %d 个场景...\n,N_sigma);fork1:N_sigma mpc_runmpc;% 注入随机功率 mpc_run.bus(9,3)sigma_pts(1,k)*baseMVA;% P9mpc_run.bus(9,4)sigma_pts(2,k)*baseMVA;% Q9mpc_run.bus(14,3)sigma_pts(3,k)*baseMVA;% P14mpc_run.bus(14,4)sigma_pts(4,k)*baseMVA;% Q14mpc_run.gen(3,2)sigma_pts(5,k)*baseMVA;% 风电 P6% 执行潮流 resultsrunpf(mpc_run);ifresults.successV_out(:,k)results.bus(:,8);% 电压幅值elseV_out(:,k)NaN;endend%% 5. 统计输出变量V_meanzeros(nbus,1);V_covzeros(nbus,nbus);fori1:nbusV_mean(i)sum(Wm.*V_out(i,:));tmpV_out(i,:)-V_mean(i);V_cov(i,i)sum(Wc.*tmp.^2);end%% 6. 结果展示fprintf(\n 概率潮流结果 \n);fori1:nbusfprintf(Bus %2d: 电压均值 %.4f pu, 标准差 %.4f pu\n,...i,V_mean(i),sqrt(V_cov(i,i)));end%% 7. 可视化figure;subplot(1,2,1)histogram(V_out(9,:),30,Normalization,pdf);title(节点9电压概率密度);xlabel(电压(pu));ylabel(概率密度);subplot(1,2,2)[f,x]ksdensity(V_out(9,:));plot(x,f,LineWidth,1.5);title(节点9电压PDF核密度估计);grid on;四、非高斯风光出力处理Weibull 风电 → 高斯空间Nataffunctionx_gaussweibull_to_gauss(P_mean,P_std)% 将 Weibull 分布映射到标准正态空间c(P_mean/P_std)^2;k(0.9874/c)^0.25;lambdaP_mean/gamma(11/k);% 抽样 WeibullP_samplewblrnd(lambda,k,[1000,1]);% Nataf 变换x_gaussnorminv(empirical_cdf(P_sample,P_sample));end参考代码 基于无迹变换算法的电网概率潮流分析www.youwenfan.com/contentcsu/64377.html五、与蒙特卡洛法对比方法计算量精度适用性Monte Carlo10⁴–10⁵★★★★★基准UT2n1★★★★☆推荐FOSM1★★☆☆☆弱非线性六、工程经验总结协方差矩阵必须正定→ 加1e-6*eye(n)Sigma 点需越限检查电压/功率上下限大规模电网→ 仅对关键节点做 UT概率最优潮流P‑OPF→ UT 多场景 OPF