《表1 两种采样方法在不同采样规模的计算时间比较》

  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

《含分布式电源和电动汽车的配电网重构》

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

LHS是一种有效的用采样值反映随机变量的整体分布的分层采样方法，由采样和排序两部分组成[8]。采样的基本要求是让输入随机变量的采样点能完全覆盖其随机分布区域，排序的目的是为了控制输入随机变量采样值的相关性，从而降低随机样本之间相关性对LHS模拟精度的影响，本文应用Cholesky分解法[9]对随机变量采样值进行排序。与简单随机蒙特卡罗采样（Monte Carlo Sampling，MCS）相比较，LHS具有采样效率高和稳定性好等优点。两种采样方法在不同采样规模的计算时间比较如表1所示，LHS的计算时间比MCS长是因为采样和排序过程需要一定的时间。