CN106910010A - 一种主动配电网不确定性潮流分析方法及装置 - Google Patents

Abstract

本发明提出一种主动配电网不确定性潮流分析方法及装置，确定预先构建的主动配电网不确定性潮流模型的输入变量；所述输入变量根据当前配电网的运行参数确定；所述输入变量包括概率性不确定输入变量和可能性不确定输入变量；利用所述模型分别采用无迹变换法和α‑截集法计算概率性不确定潮流、可能性不确定潮流的输出变量；根据所述概率性不确定潮流和可能性不确定潮流的输出变量执行基于D‑S理论的可能性‑概率性联合评估，得到主动配电网不确定性潮流分布。上述方法的提出实现了主动配电网当前或预测期内运行状况的感知，为运行调度提供辅助决策信息。

Description

一种主动配电网不确定性潮流分析方法及装置

技术领域：

本发明属于配电网运行技术领域，尤其涉及一种主动配电网不确定性潮流分析方法及装置。

背景技术

主动配电网(Active Distribution Network，ADN)的分布式能源呈现种类多、数量大，接入点分散的新特点，并由于主动控制、主动管理的要求，ADN对分布式电源(Distribution Generation，DG)的消纳能力需进一步提升。而DG的间歇性、波动性给电网带来大量的不确定性因素，这在ADN中表现愈发突出。在不计及网架结构的变化下，ADN的不确定主要来源于负荷、DG、储能等输入变量，其中负荷和不可控DG一般遵循特定的概率分布，而可控DG及储能的使用规律难以获得。

常用的不确定潮流求解方法分为概率潮流和模糊潮流两种：概率潮流主要用于求解输入变量概率分布已知的情况；模糊潮流采用可能性理论将不确定输入变量表示为一个服从特定隶属度函数的区间，其输出结果也通常为区间或由区间量化所得的测度指标。然而，在未来态势感知的要求下，急需一种快速、准确的方法进行综合含多种类型不确定输入变量的不确定潮流计算，经过进一步处理从而实现ADN的运行风险辨识。

发明内容

为了弥补上述技术空白，本发明提供一种主动配电网不确定性潮流分析方法及装置，实现了主动配电网当前或预测期内运行状况的感知，为运行调度提供辅助决策信息。

本发明的目的是采用下述技术方案实现的：

一种主动配电网不确定性潮流分析方法，所述方法包括：

确定预先构建的主动配电网不确定性潮流模型的输入变量；所述输入变量根据当前配电网的运行参数确定；所述输入变量包括概率性不确定输入变量和可能性不确定输入变量；

利用所述模型分别采用无迹变换法和α-截集法计算概率性不确定潮流、可能性不确定潮流的输出变量；

根据所述概率性不确定潮流和可能性不确定潮流的输出变量执行基于D-S理论的可能性-概率性联合评估，得到主动配电网不确定性潮流分布。

优选的，所述确定预先构建的主动配电网不确定性潮流模型的输入变量包括：

采集当前配电网运行参数，将其作为预先构建的主动配电网不确定性潮流模型的初始值；

根据负荷的正态概率分布函数、风力发电机的威伯尔分布以及太阳能光伏发电机的β分布，抽样选取概率性不确定输入变量；根据可控DG与储能的梯形隶属度分布，抽样选取可能性不确定输入变量；

其中，概率性不确定输入变量，包括负荷、风力发电机出力和太阳能光伏发电机出力；可能性不确定输入变量，包括可控DG和储能。

优选的，所述主动配电网不确定性潮流模型包含N个不确定变量X_i,i＝1,...,N；设前k个变量为概率性不确定变量后N-k个变量为可能性不确定变量

所述执行基于D-S理论的可能性-概率性联合评估包括：

针对概率性不确定输入变量，从主动配电网中抽样获取概率性不确定输入变量的采样值，采用无迹变换法对概率性不确定潮流求解；

在所述概率性不确定输入变量为固定值时，则对于可能性不确定输入变量，采用α-截集法对可能性不确定潮流求解；

计算输出结果的似真函数和信任函数。

优选的，所述采用无迹变换法计算概率性不确定潮流的输出变量包括：

确定与概率性不确定输入变量对称的样本点，

计算每个样本点的权重系数；

将各个样本点代入主动配电网不确定性潮流模型，生成变换后的样本点，

并输出随机样本的均值和协方差矩阵。

进一步地，通过下式确定2n+1个与概率性不确定输入变量对称的样本点x₀,x_i,x_i+n(i＝1,2,...,n)：

x₀＝μ_X

式中，n和μ_X分别为输入变量X的个数和平均值向量；为n维列向量，表示矩阵的第i列元素；W₀为样本点x₀＝μ_X的指定权重，即零接点，用于控制其他在X均值附近的点的位置；各样本点x₀,x_i,x_i+n(i＝1,2,...,n)均为n维列向量，P_XX为正定矩阵；

设P_XX＝AA^T，通过Cholesky分解获得

进一步地，通过下式计算每个样本点的权重系数：

W₀＝W₀

式中，W_i为第i个样本点的权值，且所有权值之和满足各样本点的均值和协方差的权值为W_i ^m＝W_i ^c＝W_i；W_i ^m和W_i ^c分别为样本点的均值和协方差的权重。

进一步地，通过下式分别输出随机样本的均值μ_Y和协方差矩阵P_YY：

其中，所述P_YY的对角项，即各个待求随机变量的方差，W_i为第i个样本点的权值，且所有权值之和满足W_i ^m和W_i ^c分别为样本点的均值和协方差的权重，y_i为变换后的样本点。

优选的，采用α-截集法计算可能性不确定潮流的输出变量包括：

定义α-截集为可能性输入变量的区间，计算主动配电网不确定性潮流模型f输出的最大值和最小值，将其作为输出变量α-截集的上、下限值，具体计算过程如下：

定义事件A＝[α_min,α_l,α_u,α_max]，则对于全集U下的输入变量X，α-截集的表达式为：其中，和分别为A^α的最低和最高约束，并通过下式计算获得所述输出变量Y的α-截集：

式中，α_min为梯形隶属度分布图下部的左拐点，α_max为梯形隶属度分布图下部的右拐点，α_l为梯形隶属度分布图上部的左拐点，α_u为梯形隶属度分布图上部的右拐点，Y^α为输出变量Y的α-截集，和分别为Y^α的最低和最高约束，函数sup(x)和inf(x)分别表示给定范围内的上限和下限值，为第i阶可能性输入变量的α-截集，N为阶数，f为主动配电网不确定性潮流模型的函数。

进一步地，对于由输出变量构成的输出全集中的每一个子集，通过下式计算可能性测度和必要性测度

设输出全集Y中的子集E，则：

在获取可能性测度和必要性测度之后，根据可能性测度和必要性测度确定任意子集的似真度Pl(E)和信任度Bel(E)：

式中，x表示样本点，W_j为j阶的采样概率，k为采样次数，π为可能性分布，为样本点在输出全集Y中j阶可能性分布。

一种主动配电网不确定性潮流分析装置，所述装置包括：

确定单元，用于确定预先构建的主动配电网不确定性潮流模型的输入变量；所述输入变量根据当前配电网的运行参数确定；所述输入变量包括概率性不确定输入变量和可能性不确定输入变量；

第一解析单元，用于利用所述模型采用无迹变换法计算概率性不确定潮流的输出变量；

第二解析单元，用于利用所述模型采用α-截集法计算可能性不确定潮流的输出变量；

评估单元，用于根据所述概率性不确定潮流的输出变量和所述可能性不确定潮流的输出变量执行基于D-S理论的可能性-概率性联合评估，得到主动配电网不确定性潮流分布。

与最接近的现有技术相比，本发明的有益效果为：

本发明方案提出一种主动配电网不确定性潮流分析方法及装置，基于虚拟化技术的仿真场景创建方法，构建主动配电网不确定性潮流模型，从而获得主动配电网不确定性潮流模型，场景构建过程中采用了虚拟资源弹性扩展技术，能够解决传统的仿真物理资源与演习规模无法互相适应的缺点，实现了资源的高度利用和业务流程的弹性控制。根据其输入变量类型形成概率性不确定模型和可能性不确定模型，分别采用无迹变换法和α-截集法对概率性不确定和可能性不确定潮流进行求解；其中，无迹变换(UnscentedTransformation,UT)法的使用可以有效克服线性化处理技术中的缺点，编程简单，无需正交变换或Nataf变换即可高效处理随机变量的相关性。

此外，在建模过程中综合考虑可能性和概率性双重不确定性输入变量，通过执行基于D-S理论的可能性-概率性联合仿真评估，最终输出仿真结果。从而解决传统不确定潮流计算方法无法适应主动配电网背景下的含有多种不确定性的缺点，实现对主动配电网当前或预测期内运行状况的感知，为运行调度提供辅助决策信息。

附图说明

图1为本发明实施例中提供的主动配电网不确定性潮流分析方法流程图；

图2为本发明实施例中提供的采用梯形隶属度确定α-截集的示意图。

具体实施方式：

本发明提出一种主动配电网不确定性潮流分析方法，如图1所示，其方法包括：

1)确定预先构建的主动配电网不确定性潮流模型的输入变量；所述输入变量根据当前配电网的运行参数确定；所述输入变量包括概率性不确定输入变量和可能性不确定输入变量；

采集当前配电网运行参数，将其作为主动配电网不确定性潮流模型的初始值；包括配电网网架参数(线路导纳、阻抗，变压器导纳、阻抗等)，分布式电源(风机、光伏发电机组、微型燃气轮机)容量、属性参数(如风机额定、切入、切出风速，光伏的标准光辐射照度)等，预测时刻风速、光照强度、负荷出力等，这些都作为计算潮流的节点注入功率值的初始参数。

启动仿真程序，根据负荷的正态概率分布函数、风力发电机的威伯尔分布以及太阳能光伏发电机的β分布，抽样选取概率性不确定输入变量；根据可控DG与储能的梯形隶属度分布，抽样选取可能性不确定输入变量；

其中，概率性不确定输入变量，包括负荷、风力发电机出力和太阳能光伏发电机出力；可能性不确定输入变量，包括可控DG和储能。

所述主动配电网不确定性潮流模型包含N个不确定变量X_i,i＝1,...,N；设前k个变量为概率性不确定变量后N-k个变量为可能性不确定变量

所述执行基于D-S理论的可能性-概率性联合评估包括：

针对概率性不确定输入变量，从主动配电网中抽样获取概率性不确定输入变量的采样值，采用无迹变换法对概率性不确定潮流求解；

在所述概率性不确定输入变量为固定值时，则对于可能性不确定输入变量，采用α-截集法对可能性不确定潮流求解；

计算输出结果的似真函数和信任函数。

2)利用所述模型分别采用无迹变换法和α-截集法计算概率性不确定潮流、可能性不确定潮流的输出变量；

采用无迹变换法计算概率性不确定潮流的输出变量包括：

确定与概率性不确定输入变量对称的样本点，计算每个样本点的权重系数；

将各个样本点代入主动配电网不确定性潮流模型，生成变换后的样本点，

并输出随机样本的均值和协方差矩阵。

通过下式确定2n+1个与概率性不确定输入变量对称的样本点x₀,x_i,x_i+n(i＝1,2,...,n)：

x₀＝μ_X

式中，n和μ_X分别为输入变量X的个数和平均值向量；为n维列向量，表示矩阵的第i列元素；W₀为样本点x₀＝μ_X的指定权重，即零接点，用于控制其他在X均值附近的点的位置；各样本点x₀,x_i,x_i+n(i＝1,2,...,n)均为n维列向量，P_XX为正定矩阵；

设P_XX＝AA^T，通过Cholesky分解获得

通过下式计算每个样本点的权重系数：

W₀＝W₀

式中，W_i为第i个样本点的权值，且所有权值之和满足各样本点的均值和协方差的权值为W_i ^m＝W_i ^c＝W_i；W_i ^m和W_i ^c分别为样本点的均值和协方差的权重。

通过下式分别输出随机样本的均值μ_Y和协方差矩阵P_YY：

其中，所述P_YY的对角项，即各个待求随机变量的方差，W_i为第i个样本点的权值，且所有权值之和满足W_i ^m和W_i ^c分别为样本点的均值和协方差的权重，y_i为变换后的样本点。

采用α-截集法计算可能性不确定潮流的输出变量包括：

定义α-截集为可能性输入变量的区间，计算主动配电网不确定性潮流模型f输出的最大值和最小值，将其作为输出变量α-截集的上、下限值，具体计算过程如下：如图2所示，定义事件A＝[α_min,α_l,α_u,α_max]，则对于全集U下的输入变量X，α-截集的表达式为：其中，和分别为A^α的最低和最高约束，并通过下式计算获得所述输出变量Y的α-截集：

式中，α_min为梯形隶属度分布图下部的左拐点，α_max为梯形隶属度分布图下部的右拐点，α_l为梯形隶属度分布图上部的左拐点，α_u为梯形隶属度分布图上部的右拐点，Y^α为输出变量Y的α-截集，和分别为Y^α的最低和最高约束，函数sup(x)和inf(x)分别表示给定范围内的上限和下限值，为第i阶可能性输入变量的α-截集，N为阶数，f为主动配电网不确定性潮流模型的函数。

3)根据所述概率性不确定潮流和可能性不确定潮流的输出变量执行基于D-S理论的可能性-概率性联合评估，得到主动配电网不确定性潮流分布。

对于由输出变量构成的输出全集中的每一个子集，通过下式计算可能性测度和必要性测度

设输出全集Y中的子集E，则：

在获取可能性测度和必要性测度之后，根据可能性测度和必要性测度确定任意子集的似真度Pl(E)和信任度Bel(E)：

式中，x表示样本点，W_j为j阶的采样概率，k为采样次数，π为可能性分布，为样本点在输出全集Y中j阶可能性分布。

在潮流仿真计算结束后，可供配电网调度人员通过一次计算对不确定潮流仿真结果分布情况进行预测。其预测的依据包括以下不确定输入变量特征：

(1)负荷：根据日负荷曲线与当前负荷估计下一评估时间的负荷值，作为负荷正态模型的期望值

(2)风机、太阳能光伏：分别根据气象情况预测下一评估时间的风速和根据太阳光强度预测下一评估时间的辐射照度，以风速及辐射照度与风机、太阳能光伏的出力关系计算不确定出力。

(3)微型燃气轮机及蓄电池等分布式储能：调度人员根据经验，直接评估设定该类设备出力的范围，即梯形隶属度分布的α_min,α_l,α_u,α_max数值。

通过上述实施步骤，可以对主动配电网的潮流进行态势感知，提供电网运行风险分析的基础。

基于同一发明构思，本发明还提出一种主动配电网不确定性潮流分析装置，所述装置包括：

确定单元，用于确定预先构建的主动配电网不确定性潮流模型的输入变量；所述输入变量根据当前配电网的运行参数确定；所述输入变量包括概率性不确定输入变量和可能性不确定输入变量；

第一解析单元，用于利用所述模型采用无迹变换法计算概率性不确定潮流的输出变量；

第二解析单元，用于利用所述模型采用α-截集法计算可能性不确定潮流的输出变量；

评估单元，用于根据所述概率性不确定潮流的输出变量和所述可能性不确定潮流的输出变量执行基于D-S理论的可能性-概率性联合评估，得到主动配电网不确定性潮流分布。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本申请的技术方案而非对其保护范围的限制，尽管参照上述实施例对本申请进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，这些变更、修改或者等同替换，其均在其申请待批的权利要求范围之内。

Claims (10)

1.一种主动配电网不确定性潮流分析方法，其特征在于，所述方法包括：

确定预先构建的主动配电网不确定性潮流模型的输入变量；所述输入变量根据当前配电网的运行参数确定；所述输入变量包括概率性不确定输入变量和可能性不确定输入变量；

利用所述模型分别采用无迹变换法和α-截集法计算概率性不确定潮流、可能性不确定潮流的输出变量；

根据所述概率性不确定潮流和可能性不确定潮流的输出变量执行基于D-S理论的可能性-概率性联合评估，得到主动配电网不确定性潮流分布。

2.如权利要求1所述的方法，其特征在于，所述确定预先构建的主动配电网不确定性潮流模型的输入变量包括：

采集当前配电网运行参数，将其作为预先构建的主动配电网不确定性潮流模型的初始值；

根据负荷的正态概率分布函数、风力发电机的威伯尔分布以及太阳能光伏发电机的β分布，抽样选取概率性不确定输入变量；根据可控DG与储能的梯形隶属度分布，抽样选取可能性不确定输入变量；

其中，概率性不确定输入变量，包括负荷、风力发电机出力和太阳能光伏发电机出力；可能性不确定输入变量，包括可控DG和储能。

3.如权利要求1所述的方法，其特征在于，所述主动配电网不确定性潮流模型包含N个不确定变量X_i,i＝1,...,N；设前k个变量为概率性不确定变量后N-k个变量为可能性不确定变量

所述执行基于D-S理论的可能性-概率性联合评估包括：

针对概率性不确定输入变量，从主动配电网中抽样获取概率性不确定输入变量的采样值，采用无迹变换法对概率性不确定潮流求解；

在所述概率性不确定输入变量为固定值时，则对于可能性不确定输入变量，采用α-截集法对可能性不确定潮流求解；

计算输出结果的似真函数和信任函数。

4.如权利要求1所述的方法，其特征在于，所述采用无迹变换法计算概率性不确定潮流的输出变量包括：

确定与概率性不确定输入变量对称的样本点，

计算每个样本点的权重系数；

将各个样本点代入主动配电网不确定性潮流模型，生成变换后的样本点，

并输出随机样本的均值和协方差矩阵。

5.如权利要求4所述的方法，其特征在于，通过下式确定2n+1个与概率性不确定输入变量对称的样本点x₀,x_i,x_i+n(i＝1,2,...,n)：

x₀＝μ_X

$x_i={\mathrm{\μ}}_X+{\left(\sqrt{\frac{n}{1-W_0}{P}_{XX}}\right)}_i,i=1,2,...,n$

$x_{i+n}={\mathrm{\μ}}_X-{\left(\sqrt{\frac{n}{1-W_0}{P}_{XX}}\right)}_i,i=1,2,...,n$

式中，n和μ_X分别为输入变量X的个数和平均值向量；为n维列向量，表示矩阵的第i列元素；W₀为样本点x₀＝μ_X的指定权重，即零接点，用于控制其他在X均值附近的点的位置；各样本点x₀,x_i,x_i+n(i＝1,2,...,n)均为n维列向量，P_XX为正定矩阵；

设P_XX＝AA^T，通过Cholesky分解获得

$A=\sqrt{P_{XX}}.$

6.如权利要求4所述的方法，其特征在于，通过下式计算每个样本点的权重系数：

W₀＝W₀

$W_i=\frac{1-W_0}{2n},i=1,2,...,n$

$W_{i+n}=\frac{1-W_0}{2n},i+n=n+1,n+2,...,2n$

式中，W_i为第i个样本点的权值，且所有权值之和满足各样本点的均值和协方差的权值为W_i ^m＝W_i ^c＝W_i；W_i ^m和W_i ^c分别为样本点的均值和协方差的权重。

7.如权利要求4所述的方法，其特征在于，通过下式分别输出随机样本的均值μ_Y和协方差矩阵P_YY：

$\left\{\begin{array}{c}{\mathrm{\μ}}_Y=\underset{i=0}{\overset{2n}{\Σ}}{W}_i^m{y}_i\\ P_{YY}=\underset{i=0}{\overset{2n}{\Σ}}{W}_i^c(y_i-{\mathrm{\μ}}_Y){(y_i-{\mathrm{\μ}}_Y)}^T\end{array}\right.$

其中，所述P_YY的对角项，即各个待求随机变量的方差，W_i为第i个样本点的权值，且所有权值之和满足W_i ^m和W_i ^c分别为样本点的均值和协方差的权重，y_i为变换后的样本点。

8.如权利要求1所述的方法，其特征在于，采用α-截集法计算可能性不确定潮流的输出变量包括：

定义α-截集为可能性输入变量的区间，计算主动配电网不确定性潮流模型f输出的最大值和最小值，将其作为输出变量α-截集的上、下限值，具体计算过程如下：

定义事件A＝[α_min,α_l,α_u,α_max]，则对于全集U下的输入变量X，α-截集的表达式为：其中，和分别为A^α的最低和最高约束，并通过下式计算获得所述输出变量Y的α-截集：

$Y^{\mathrm{\α}}=\[Y_a^{\mathrm{\α}},Y_b^{\mathrm{\α}}\]$

$Y_a^{\mathrm{\α}}=inf\[f(F_{X_1}^{\mathrm{\α}},F_{X_2}^{\mathrm{\α}},...,F_{X_N}^{\mathrm{\α}})\]$

$Y_b^{\mathrm{\α}}=sup\[f(F_{X_1}^{\mathrm{\α}},F_{X_2}^{\mathrm{\α}},...,F_{X_N}^{\mathrm{\α}})\]$

式中，α_min为梯形隶属度分布图下部的左拐点，α_max为梯形隶属度分布图下部的右拐点，α_l为梯形隶属度分布图上部的左拐点，α_u为梯形隶属度分布图上部的右拐点，Y^α为输出变量Y的α-截集，和分别为Y^α的最低和最高约束，函数sup(x)和inf(x)分别表示给定范围内的上限和下限值，为第i阶可能性输入变量的α-截集，N为阶数，f为主动配电网不确定性潮流模型的函数。

9.如权利要求8所述的方法，其特征在于，对于由输出变量构成的输出全集中的每一个子集，通过下式计算可能性测度和必要性测度

设输出全集Y中的子集E，则：

${\mathrm{Pos}}_j^Y\left(E\right)={\sup }_{\{x\∈E\}}\left\{{\mathrm{\π}}_j^Y\left(x\right)\right\}$

${\mathrm{Nec}}_j^Y\left(E\right)={\inf }_{\{x\∈E\}}\{1-{\mathrm{\π}}_j^Y\left(x\right)\};$

在获取可能性测度和必要性测度之后，根据可能性测度和必要性测度确定任意子集的似真度Pl(E)和信任度Bel(E)：

$Pl\left(E\right)=\underset{j=1}{\overset{2k+1}{\Σ}}{W}_j{\mathrm{Pos}}_j^Y\left(E\right)$

$Bel\left(E\right)=\underset{j=1}{\overset{2k+1}{\Σ}}{W}_j{\mathrm{Nec}}_j^Y\left(E\right)$

式中，x表示样本点，W_j为j阶的采样概率，k为采样次数，π为可能性分布，为样本点在输出全集Y中j阶可能性分布。

10.一种主动配电网不确定性潮流分析装置，其特征在于，所述装置包括：

确定单元，用于确定预先构建的主动配电网不确定性潮流模型的输入变量；所述输入变量根据当前配电网的运行参数确定；所述输入变量包括概率性不确定输入变量和可能性不确定输入变量；

第一解析单元，用于利用所述模型采用无迹变换法计算概率性不确定潮流的输出变量；

第二解析单元，用于利用所述模型采用α-截集法计算可能性不确定潮流的输出变量；

评估单元，用于根据所述概率性不确定潮流的输出变量和所述可能性不确定潮流的输出变量执行基于D-S理论的可能性-概率性联合评估，得到主动配电网不确定性潮流分布。