《表4 算法性能对比：不确定PV-EVs概率潮流降阶扩展累积估计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《不确定PV-EVs概率潮流降阶扩展累积估计》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3中，给出了南京市玄武区2013年一年中选取的四个时间节点的赤纬角、日序数、日出日落两个标志性事件的时间。IEEE 140-bus配电模型的发电设备位于节点99位置处，该配电模型的峰瓦值参数取值是16 MW；该配电模型的覆盖区域内的PHEVs和BEVs的数量分别是2 900台和600台。电动汽车进行充电的节点位置是137节点处和113节点处，分别是住宅区的慢充节点和公共区域的快充节点，电动汽车在进行充放电过程中的功率是3.7 kW，这个过程中的能量转换率是0.80，功率因子参数的取值是0.98。图6~图7是采用三点估计法、本文算法和蒙特卡洛模拟方法获得的1月15日10:00~11:00时间段内126节点和52节点的有功功率和电压幅值两个参数的概率密度。在上述选取的四个时间点上，本文方法和三点估计方法与蒙特卡洛方法相比在126节点和节点52的有功功率和电压幅值的模拟误差以及计算时间对比情况见表4结果所示。