CN105207573A - 基于离散概率模型的风光互补供电系统定量优化配置方法 - Google Patents

Abstract

本发明公开了一种基于离散概率模型的风光互补供电系统定量优化配置方法。该方法用离散概率分布表示系统中的随机变化因素，并且以电能充裕度最大、供电系统总投资和电压越限概率最小作为优化目标建立多目标优化模型；其次，该方法对随机潮流算法进行部分改进，将离散随机变量的期望值和增量分开研究，并通过矩计算和转化半不变量，运用级数逼近得到节点电压和系统电能裕量的概率分布，进而可以更高效、快速地计算各目标函数；最后，该方法采用并行加速的带有精英策略的非支配排序遗传算法求解优化目标的Pareto最优解集。本发明与传统的优化配置方法相比，够能全面的反应系统运行状况，为规划决策者提供更加完整的信息。

Description

基于离散概率模型的风光互补供电系统定量优化配置方法

技术领域

本发明涉及基于离散概率模型的风光互补供电系统定量优化配置方法，属于新能源发电技术领域。

技术背景

与水电、火电等常规电源相比，风能、太阳能等新能源发电最根本的不同点在于其有功出力的随机性、间歇性、波动性。对于某些以新能源发电装置作为主供电源的微电网系统而言，这会极大地影响电能质量甚至造成系统供电不足。另一方面，不同的新能源系统混合供电可获得相对平稳的输出性能，最典型的是风光互补供电系统。在规划设计时，对多种能源之间的最优配置问题进行定量研究具有理论与实际应用价值，但目前针对该问题系统的优化配置方法研究并不多见。大多数研究都是在不同的电源容量和接入方式下，对节点电压等系统参数进行仿真比较，这种基于枚举的确定性方法不仅工作量大，而且无法反映系统的全面情况和变量的内在规律。随机潮流(PLF)算法是解决上述问题的有效方法。经典的PLF算法运用概率统计方法处理系统中的随机变化因素，其主要过程如下:通过连续分布的特征函数，求取随机变量的半不变量，将非线性潮流方程在基准运行点线性化，以便采用卷积或Gram-Charlier级数展开等方法获得系统状态变量的分布情况，从而深刻地揭示系统运行状况，为规划决策提供更完整的信息。

实际系统中的很多随机因素具有离散特征，无法通过连续的分布函数描述，而计算机难以求解连续与离散分布的联合分布问题，因此，经典PLF算法在考虑离散随机因素时面临一定困难。本发明通过采样和卷积运算，建立离散概率分布来表示系统中的随机变化因素，包括风、光、负荷、补偿装置功率的随机分布和系统元件的随机故障。相应的，对基于连续分布和特征函数的经典PLF算法进行改进，使离散概率运算更加快捷。在改进PLF算法的基础上，进一步提出风光互补供电系统多目标配置模型及其优化算法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于概率模型的风光互补供电系统定量优化配置方法，与传统的优化配置方法相比，够能全面的反应系统运行状况，为规划决策者提供更加完整的信息。

本发明解决上述技术问题的技术方案如下：

一种基于离散概率模型的风光互补供电系统定量优化配置方法，该配置方法的步骤如下：

步骤1对风光互补的供电系统进行综合优化配置，其目的是在于满足相关约束条件下，达到投资成本、供电能力、供电质量之间的平衡。从多目标优化的角度，可以设定三个优化目标，建立目标函数：①供电系统经济性；②负荷节点电压质量；③系统电能充裕度。

具体如下：建立如下3个目标函数：

其中，N_i和p_i分别为第i种发电装置或无功补偿装置的数目及容量；系数k_1i和k_2i分别是第i种发电装置或无功补偿装置的固定成本系数和可变成本系数；V_i为节点i电压，和V _i 分别为节点i电压允许上下限；Φ是所考察的负荷节点集合；X_i为第i种发电装置的输出有功功率；Y为负荷有功功率；

式(1)为投资成本，衡量了系统的经济性；式(2)从电压角度衡量微电网波动性，表示负荷侧有节点发生电压越限的概率；式(3)衡量了微电网自给电能的充裕程度，对于孤立系统而言即为停电概率，对于并网系统而言则表示需由主网供电的概率，优化的方向是式(1)—式(3)尽可能同时达到最小。

步骤2将风、光功率曲线离散化，得到离散概率分布序列，并与表示随机故障的二项式分布卷积得到实际输出功率的离散分布序列。同样的，可得到负荷和补偿装置功率的离散分布。

A.具体如下：使用威布尔函数描述风速v的概率密度特性:

式中，π为形状参数，c为尺度参数；

B.风电场输出功率是一个由风速和风机参数共同决定的随机变量，记为x₁；若风电场具有N₁台参数完全相同的风机，且忽略不计不同风机的风俗差异，则风电场输出功率可采用如下的分段曲线描述：

式中，x₁(v)表示风速为v时对应的风电场输出功率；e为单机额定功率；v_c为切入风速；v_R为额定风速；v_F为切出风速；

C.对风电场功率曲线离散化，得到n个分离的可能输出功率值，a为切入与额定风速之间的均分步长，即a＝(v_R-v_c)/(n-1)；

离散后得到风电场输出功率x₁的概率分布函数Pr{x₁(i)}表示为：

D.风机的停运会造成风电场的出力跳变，设各机组的停运率都为λ，定义风电机群的可用率随机变量s₁为：

其中，P_w(i)表示当前风速下，有i台风机正常工作时的出力；P_w表示当前风速下，风机全部正常工作时的出力；s₁满足二项式分布，即：

假设风速的大小与风机故障相互独立，实际风电场出力的概率分布可由这两个随机变量概率分布的卷积得到；风电场实际输出功率X₁的分布为：

式中，k＝(i-1)j,i∈[1,n],j∈[0,N¹]

E.记光伏系统输出功率随机变量为x₂；用描述光强分布的贝塔函数来表示x₂的概率密度特性：

式中，Pm为最大输出功率；ξ和均为分布参数；

设每个阵列的面积和光电转换效率都相同，分别记为b和η，N₂用于表示阵列数目，R_m为最大辐射功率，则光伏系统最大输出功率为：

P_m＝R_mN₂bη(11)

将[0,Pm]区间均匀离散为n个分离的功率值，离散间隔C＝P_m/n，可得x₂的离散概率分布函数为：

F.记单个阵列的停运率为ρ，则光伏系统可用率s₂的分布为：

将x₂与s₂的分布卷积运算，可以得到光伏系统实际输出功率X₂的概率分布：

式中，k＝ij；i∈[1,n]；j∈[0,N₂]；

G.自动投切无功补偿装置的概率特性；本配置优化方法中，采用在机端母线并联电容器组的无功补偿方式，投切策略可通过下式表示：

式中，P_N为风电或光伏输出有功功率；Q_M为补偿装置的注入无功；为人工设定的参数，控制发电侧送出的功率因数；

由于电容器不能无级调节，故实际值是变化的，且P_N具有随机性，因此Q_M也是随机变量；以风机为例，设风机群有功功率满足如下分布序列：

若风机群的补偿装置由N个电容并联而成，每个电容的容量为S，将X₁(n)等分为N个间隔，间隔长度为X₁(n)/N，则补偿电容组送出的容性无功功率z的分布函数为：

Pr{z(k)}＝Pr{z＝kS}＝∑Pr{X₁(i)}(16)

式中，

H.认为负荷具有正态概率密度特性，将正态曲线离散化可得到负荷的离散概率分布函数Pr{y＝y₁}＝p_i。

步骤3计算风、光、负荷、补偿装置功率的期望值和功率增量的离散分布函数。若功率X的离散分布函数为Pr{X＝X_i}＝p_i，则功率期望值m＝E(X)＝∑p_iX_i；相应功率增量△X的离散分布函数为：Pr{△X＝X_i-m}＝Pr{X＝X_i}＝p_i。

步骤4计算功率增量ΔX的各阶原点矩α，进而计算功率增量ΔX的各阶半不变量。记同一随机变量的v阶原点矩、中心矩、半不变量分别为α_v，，β_vγ_v，则原点矩与中心矩之间的递归关系为：

原点矩与半不变量之间的递归关系为：

计算功率增量ΔX的各阶原点矩a，进而根据式(18)计算△X的各阶半不变量；其中△X的v阶原点矩计算方法为：

步骤5取风、光、负荷、补偿装置功率为步骤3)计算所得的期望值E(X)，进行潮流计算，得到节点电压期望值以及最后一次潮流迭代的灵敏度矩阵S。

步骤6节点注入功率增量ΔP和ΔQ是风、光、负荷、补偿装置功率增量ΔX的线性变换，根据ΔX的各阶半不变量计算出节点j注入功率增量的v阶半不变量和

步骤7电压增量ΔV是ΔP和ΔQ的线性组合。根据半不变量的性质，计算出电压增量△V_i的v阶半不变量进而可以得出步骤5)最后一次潮流迭代的修正方程。步骤5)最后一次潮流迭代的修正方程为

电压增量ΔV是ΔP和ΔQ的线性组合，根据式(20)，△V_i的v阶半不变量可由下式计算：

式中，J_VP,i,j和J_VQ,i,j为灵敏度矩阵S中的相应元素，为步骤5)得到节点电压期望值。

步骤8将电压增量△V_i的v阶半不变量转化为电压增量△V_i的各阶中心距β_v。根据Gram-Charlier级数理论，△V_i的归一化随机变量w可以通过级数逼近。

式中，Θ为标准正态分布的累计分布函数；Θⁱ为Θ的i阶导数；ω＝(△V_i-μ)/σ,μ为△V_i的期望值，σ为△V_i的标准差，根据半不变量定义有系数c_i是β_v的多项式。

步骤9节点i电压越限概率等于相应电压增量的越限概率，通过步骤8)中已经求取的△V_i的归一化随机变量F₁(w)，可以得到节点i电压越限概率的表达式。

节点i电压越限概率等于相应电压增量的越限概率，即：

式中，

步骤8)已求出△V_i的归一化分布函数F₁(ω)，则

步骤10求取停电概率的表达式。停电概率通过以下步骤计算：

功率裕量δ是风、光、负荷有功功率的线性变换，即

δ＝∑X_i-Y(26)

由X_i和Y的半不变量求得δ的半不变量，进而求得δ的归一化分布函数F₂(ω)，则

步骤11对带有精英策略的非支配排序遗传算法(NSGA-II算法)进行并行化改造，得到并行加速的带有精英策略的非支配排序遗传算法(PNSGA－Ⅱ)PNSGA-II算法，用于求解优化目标的Pareto最优解集。

本发明的有益效果是：通过采样和卷积运算，建立了离散概率分布来表示系统中的随机变化因素，相应的引入改进的PLF算法，以及PNSGA-II算法，使得离散概率运算更加快捷，求解目标函数的Pareto最优解集时更加快速，够能全面的反应系统运行状况，为规划决策者提供更加完整的信息。

附图说明

图1是风电场功率曲线离散图；

图2是PNSGA-II的主从拓扑结构图。

具体实施方式

下面结合附图对本发明作进一步的说明。

1、对风光互补的供电系统进行综合优化配置，其目的是在于满足相关约束条件下，达到投资成本、供电能力、供电质量之间的平衡。从多目标优化的角度，可以设定三个优化目标，建立目标函数：①供电系统经济性；②负荷节点电压质量；③系统电能充裕度。

针对上面的叙述，建立如下3个目标函数：

其中，N_i和p_i分别为第i种发电装置(风力、光伏等)或无功补偿装置的数目及容量；系数k_1i和k_2i分别是第i种发电装置(风力、光伏等)或无功补偿装置的固定和可变成本系数；V_i为节点i电压，和V _i 分别为节点i电压允许上下限；Φ是所考察的负荷节点集合；X_i为第i种发电装置的输出有功功率；Y为负荷有功功率。

式(1)为投资成本，衡量了系统的经济性；式(2)从电压角度衡量微电网波动性，表示负荷侧有节点发生电压越限的概率；式(3)衡量了微电网自给电能的充裕程度，对于孤立系统而言即为停电概率，对于并网系统而言则表示需由主网供电的概率。优化的方向是式(1)—式(3)尽可能同时达到最小。

2、注入功率的离散概率分布：

A.风电场出力的概率特性描述

使用威布尔函数描述风速v的概率密度特性:

式中，π为形状参数，c为尺度参数。

风电场输出功率是一个由风速和风机参数共同决定的随机变量，记为x₁。若风电场具有N₁台参数完全相同的风机，且忽略不计不同风机的风俗差异，则风电场输出功率可采用如下的分段曲线描述：

式中，x₁(v)表示风速为v时对应的风电场输出功率；e为单机额定功率；v_c为切入风速；v_R为额定风速；v_F为切出风速。

对风电场功率曲线离散化，得到n个分离的可能输出功率值，a为切入与额定风速之间的均分步长，即a＝(v_R-v_c)/(n-1)。

离散后得到风电场输出功率x₁的概率分布函数Pr{x₁(i)}表示为：

风机的停运会造成风电场的出力跳变。设各机组的停运率都为λ。定义风电机群的可用率随机变量s₁为：

其中，P_w(i)表示当前风速下，有i台风机正常工作时的出力；P_w表示当前风速下，风机全部正常工作时的出力。s₁满足二项式分布，即：

假设风速的大小与风机故障相互独立，实际风电场出力的概率分布可由这两个随机变量概率分布的卷积得到。风电场实际输出功率X₁的分布为：

式中，k＝(i-1)j,i∈[1,n],j∈[0,N₁]

B.光伏系统处理的概率特性描述：

记光伏系统输出功率随机变量为x₂。用描述光强分布的贝塔函数来表示x₂的概率密度特性：

式中，Pm为最大输出功率；ξ和均为分布参数

设每个阵列的面积和光电转换效率都相同，分别记为b和η，N₂用于表示阵列数目，R_m为最大辐射功率，则光伏系统最大输出功率为：

P_m＝R_mN₂bη(11)

将[0,Pm]区间均匀离散为n个分离的功率值，离散间隔C＝P_m/n，可得x₂的离散概率分布函数为：

记单个阵列的停运率为ρ，则光伏系统可用率s₂的分布为：

将x₂与s₂的分布卷积运算，可以得到光伏系统实际输出功率X₂的概率分布：

式中，k＝ij；i∈[1,n]；j∈[0,N₂]

C.自动投切无功补偿装置的概率特性。

本配置优化方法中，采用在机端母线并联电容器组的无功补偿方式，投切策略可通过下式表示：

式中，P_N为风电或光伏输出有功功率；Q_M为补偿装置的注入无功；为人工设定的参数，控制发电侧送出的功率因数。

由于电容器不能无级调节，故实际值是变化的，且P_N具有随机性，因此Q_M也是随机变量。以风机为例，设风机群有功功率满足如下分布序列：

若风机群的补偿装置由N个电容并联而成，每个电容的容量为S。将X₁(n)等分为N个间隔，间隔长度为X₁(n)/N。则补偿电容组送出的容性无功功率z的分布函数为：

Pr{z(k)}＝Pr{z＝kS}＝∑Pr{X₁(i)}(16)

式中，

D.负荷的随机特性

在本发明中，认为负荷具有正态概率密度特性，将正态曲线离散化可得到负荷的离散概率分布函数Pr{y＝y₁}＝p_i

3、算法分析

A.计算风、光、负荷、补偿装置功率的期望值和功率增量的离散分布函数。若功率X的离散分布函数为Pr{X＝X_i}＝p_i，则功率期望值m＝E(X)＝∑p_iX_i。相应功率增量△X的离散分布函数为：Pr{△X＝X_i-m}＝Pr{X＝X_i}＝p_i

B.改进的随机潮流算法(改进的PLF算法)的核心是将随机变量的期望值和增量分开研究，通过矩计算和转化增量的各阶半不变量，高效地进行离散概率运算。记同一随机变量的v阶原点矩、中心矩、半不变量分别为α_v，，β_vγ_v，则原点矩与中心矩之间的递归关系为：

原点矩与半不变量之间的递归关系为：

计算功率增量ΔX的各阶原点矩a，进而根据式(18)计算△X的各阶半不变量。其中△X的v阶原点矩计算方法为：

C.取风、光、负荷、补偿装置功率为A中计算所得的期望值E(X)，进行潮流计算，得到节点电压期望值以及最后一次潮流迭代的灵敏度矩阵S。

D.半不变量性质。若随机变量x可由随机变量y₁～y_n线性表示，则x的v阶半不变量可由y₁～y_n的v阶半不变量表示：

节点注入功率增量ΔP和ΔQ是风、光、负荷、补偿装置功率增量ΔX的线性变换，根据ΔX的各阶半不变量计算出节点j注入功率增量的v阶半不变量和

E.步骤C最后一次潮流迭代的修正方程为

电压增量ΔV是ΔP和ΔQ的线性组合。根据式(20)，△V_i的v阶半不变量可由下式计算：

式中，J_VP,i,j和J_VQ,i,j为灵敏度矩阵S中的相应元素，为步骤5)得到节点电压期望值

F.由式(17)和式(18)，将电压增量△V_i的v阶半不变量转化为电压增量△V_i的各阶中心距β_v。根据Gram-Charlier级数理论，△V_i的归一化随机变量w可以通过如下级数逼近：

式中，Θ为标准正态分布的累计分布函数；Θⁱ为Θ的i阶导数；ω＝(△V_i-μ)/σ,μ为△V_i的期望值，σ为△V_i的标准差，根据半不变量定义有系数c_i是β_v的多项式。

G.节点i电压越限概率等于相应电压增量的越限概率，即：

式中，

步骤F已求出△V_i的归一化分布函数F₁(ω)，则

H.停电概率可通过以下步骤计算：

功率裕量δ是风、光、负荷有功功率的线性变换，即

δ＝∑X_i-Y(26)

由X_i和Y的半不变量求得δ的半不变量，进而求得δ的归一化分布函数F₂(ω)，则

I.对带有精英策略的非支配排序遗传算法(NSGA-II算法)，计算卷积、潮流迭代、高阶矩、高阶导数是优化过程中最耗时的部分。本发明对原有算法进行并行化改造，得到并行加速的带有精英策略的非支配排序遗传算法(PNSGA－Ⅱ)PNSGA-II算法，用于求解优化目标的Pareto最优解集，从而有效缩短了计算时间。PNSGA-II的主从拓扑结构图见说明书附图2。

Claims (10)

1.一种基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：该配置方法的步骤如下：

1)对风光互补的供电系统进行综合优化配置，从多目标优化的角度，设定三个优化目标，建立目标函数：①供电系统经济性；②负荷节点电压质量；③系统电能充裕度；

2)将风、光功率曲线离散化，得到离散概率分布序列，将其与表示随机故障的二项式分布卷积得到实际输出功率的离散分布序列；同样的，得到负荷和补偿装置功率的离散分布；

3)计算风、光、负荷、补偿装置功率的期望值和功率增量的离散分布函数；

4)利用改进的随机潮流算法，计算功率增量ΔX的各阶原点矩α，进而计算功率增量ΔX的各阶半不变量；

5)取风、光、负荷、补偿装置功率为步骤3)计算所得的期望值E(X)，进行潮流计算，得到节点电压期望值以及最后一次潮流迭代的灵敏度矩阵S；

6)节点注入功率增量ΔP和ΔQ是风、光、负荷、补偿装置功率增量ΔX的线性变换，根据ΔX的各阶半不变量计算出节点j注入功率增量的v阶半不变量和

7)电压增量ΔV是ΔP和ΔQ的线性组合，根据半不变量的性质，计算出电压增量ΔV_i的v阶半不变量进而可以得出步骤5)最后一次潮流迭代的修正方程；

8)将电压增量ΔV_i的v阶半不变量转化为电压增量ΔV_i的各阶中心距β_v，根据Gram-Charlier级数理论，ΔV_i的归一化随机变量w可以通过级数逼近；

9)节点i电压越限概率等于相应电压增量的越限概率，通过步骤8)中已经求取的ΔV_i的归一化随机变量F₁(w)，可以得到节点i电压越限概率的表达式；

10)求取停电概率的表达式；

11)对带有精英策略的非支配排序遗传算法进行并行化改造，得到并行加速的带有精英策略的非支配排序遗传算法，用于求解优化目标的Pareto最优解集。

2.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤1)的具体步骤如下：

建立如下3个目标函数：

其中，N_i和p_i分别为第i种发电装置或无功补偿装置的数目及容量；系数k_1i和k_2i分别是第i种发电装置或无功补偿装置的固定成本系数和可变成本系数；V_i为节点i电压，和分别为节点i电压允许上下限；Φ是所考察的负荷节点集合；X_i为第i种发电装置的输出有功功率；Y为负荷有功功率；

式(1)为投资成本，衡量了系统的经济性；式(2)从电压角度衡量微电网波动性，表示负荷侧有节点发生电压越限的概率；式(3)衡量了微电网自给电能的充裕程度，对于孤立系统而言即为停电概率，对于并网系统而言则表示需由主网供电的概率，优化的方向是式(1)—式(3)尽可能同时达到最小。

3.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤2)的具体步骤如下：

A.使用威布尔函数描述风速v的概率密度特性:

式中，π为形状参数，c为尺度参数；

B.风电场输出功率是一个由风速和风机参数共同决定的随机变量，记为x₁；若风电场具有N₁台参数完全相同的风机，且忽略不计不同风机的风俗差异，则风电场输出功率可采用如下的分段曲线描述：

式中，x₁(v)表示风速为v时对应的风电场输出功率；e为单机额定功率；v_c为切入风速；v_R为额定风速；v_F为切出风速；

C.对风电场功率曲线离散化，得到n个分离的可能输出功率值，a为切入与额定风速之间的均分步长，即a＝(v_R-v_c)/(n-1)；

离散后得到风电场输出功率x₁的概率分布函数Pr{x₁(i)}表示为：

D.风机的停运会造成风电场的出力跳变，设各机组的停运率都为λ，定义风电机群的可用率随机变量s₁为：

其中，P_w(i)表示当前风速下，有i台风机正常工作时的出力；P_w表示当前风速下，风机全部正常工作时的出力；s₁满足二项式分布，即：

假设风速的大小与风机故障相互独立，实际风电场出力的概率分布可由这两个随机变量概率分布的卷积得到；风电场实际输出功率X₁的分布为：

式中，k＝(i-1)j,i∈[1,n],j∈[0,N¹]

E.记光伏系统输出功率随机变量为x₂；用描述光强分布的贝塔函数来表示x₂的概率密度特性：

式中，Pm为最大输出功率；ξ和θ均为分布参数；

设每个阵列的面积和光电转换效率都相同，分别记为b和η，N₂用于表示阵列数目，R_m为最大辐射功率，则光伏系统最大输出功率为：

P_m＝R_mN₂bη(11)

将[0,Pm]区间均匀离散为n个分离的功率值，离散间隔C＝P_m/n，可得x₂的离散概率分布函数为：

F.记单个阵列的停运率为ρ，则光伏系统可用率s₂的分布为：

将x₂与s₂的分布卷积运算，可以得到光伏系统实际输出功率X₂的概率分布：

式中，k＝ij；i∈[1,n]；j∈[0,N₂]；

G.自动投切无功补偿装置的概率特性；本配置优化方法中，采用在机端母线并联电容器组的无功补偿方式，投切策略可通过下式表示：

式中，P_N为风电或光伏输出有功功率；Q_M为补偿装置的注入无功；为人工设定的参数，控制发电侧送出的功率因数；

由于电容器不能无级调节，故实际值是变化的，且P_N具有随机性，因此Q_M也是随机变量；以风机为例，设风机群有功功率满足如下分布序列：

若风机群的补偿装置由N个电容并联而成，每个电容的容量为S，将X₁(n)等分为N个间隔，间隔长度为X₁(n)/N，则补偿电容组送出的容性无功功率z的分布函数为：

Pr{z(k)}＝Pr{z＝kS}＝ΣPr{X₁(i)}(16)

式中，

H.认为负荷具有正态概率密度特性，将正态曲线离散化可得到负荷的离散概率分布函数Pr{y＝y₁}＝p_i。

4.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤3)的具体步骤如下：

计算风、光、负荷、补偿装置功率的期望值和功率增量的离散分布函数，若功率X的离散分布函数为Pr{X＝X_i}＝p_i，则功率期望值m＝E(X)＝Σp_iX_i；相应功率增量ΔX的离散分布函数为：Pr{ΔX＝X_i-m}＝Pr{X＝X_i}＝p_i。

5.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤4)的具体步骤如下：

记同一随机变量的v阶原点矩、中心矩、半不变量分别为α_v，，β_vγ_v，则原点矩与中心矩之间的递归关系为：

原点矩与半不变量之间的递归关系为：

计算功率增量ΔX的各阶原点矩a，进而根据式(18)计算ΔX的各阶半不变量；其中ΔX的v阶原点矩计算方法为：

6.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤6)的具体步骤如下：

若随机变量x可由随机变量y₁～y_n线性表示，则x的v阶半不变量可由y₁～y_n的v阶半不变量表示：

节点注入功率增量ΔP和ΔQ是风、光、负荷、补偿装置功率增量ΔX的线性变换，根据ΔX的各阶半不变量计算出节点j注入功率增量的v阶半不变量和

7.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤7)的具体步骤如下：

步骤5)最后一次潮流迭代的修正方程为

电压增量ΔV是ΔP和ΔQ的线性组合，根据式(20)，ΔV_i的v阶半不变量可由下式计算：

式中，J_VP,i,j和J_VQ,i,j为灵敏度矩阵S中的相应元素，为步骤5)得到节点电压期望值。

8.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤8)的具体步骤如下：

由式(17)和式(18)，将电压增量ΔV_i的v阶半不变量转化为电压增量ΔV_i的各阶中心距β_v；根据Gram-Charlier级数理论，ΔV_i的归一化随机变量w可以通过如下级数逼近：

式中，Θ为标准正态分布的累计分布函数；Θⁱ为Θ的i阶导数；ω＝(ΔV_i-μ)/σ,μ为ΔV_i的期望值，σ为ΔV_i的标准差，根据半不变量定义有 系数c_i是β_v的多项式。

9.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤9)的具体步骤如下：

节点i电压越限概率等于相应电压增量的越限概率，即：

式中，

步骤8)已求出ΔV_i的归一化分布函数F₁(ω)，则

10.根据权利要求1所述的基于离散概率模型的风光互补供电系统定量优化配置方法，其特征在于：所述步骤10)的具体步骤如下：

停电概率通过以下步骤计算：

功率裕量δ是风、光、负荷有功功率的线性变换，即

δ＝ΣX_i-Y(26)

由X_i和Y的半不变量求得δ的半不变量，进而求得δ的归一化分布函数F₂(ω)，则