A modern power system is characterized by a stochastic variation of the loads and an increasing penetration of renewable energy generation, which results in large uncertainties in its states. These uncertainties bring formidable challenges to the power system planning and operation process. To address these challenges, we propose a cost-effective, iterative response-surface-based approach for the chance-constrained AC optimal power-flow problem that aims to ensure the secure operation of the power systems considering dependent uncertainties. Starting from a stochastic-sampling-based framework, we first utilize the copula theory to simulate the dependence among multivariate uncertain inputs. Then, to reduce the prohibitive computational time required in the traditional Monte-Carlo method, we propose, instead of using the original complicated power-system model, to rely on a polynomial-chaos-based response surface. This response surface allows us to efficiently evaluate the time-consuming power-system model at arbitrary distributed sampled values with a negligible computational cost. This further enables us to efficiently conduct an online stochastic testing for the system states that not only screens out the statistical active constraints, but also assists in a better design of the tightened bounds without using any Gaussian or symmetric assumption. Finally, an iterative procedure is executed to fine-tune the optimal solution that better satisfies a predefined probability. The simulations conducted in multiple test systems demonstrate the excellent performance of the proposed method.

中文翻译：

---

考虑相依不确定性的机会受限交流最优潮流的基于迭代响应面的迭代方法

现代电力系统的特点是负载的随机变化和可再生能源发电的普及率不断提高，这导致其状态存在很大的不确定性。这些不确定性给电力系统的规划和运行过程带来了巨大的挑战。为了应对这些挑战，我们针对机会受限的AC最优潮流问题提出了一种基于成本效益，基于迭代响应面的方法，旨在确保考虑相关不确定性的电力系统的安全运行。从基于随机抽样的框架开始，我们首先利用copula理论来模拟多元不确定输入之间的依赖关系。然后，为了减少传统的蒙特卡洛方法所需的过高的计算时间，我们提出，而不是使用原始的复杂电源系统模型，而是依靠基于多项式混沌的响应面。该响应面使我们能够以可忽略的计算成本在任意分布的采样值下高效地评估耗时的电力系统模型。这进一步使我们能够针对系统状态进行有效的在线随机测试，该测试不仅可以筛选出统计活动约束，而且还可以在不使用任何高斯或对称假设的情况下帮助更好地设计严格的界限。最后，执行迭代过程以微调更好地满足预定义概率的最佳解决方案。在多个测试系统中进行的仿真证明了所提出方法的出色性能。依赖于基于多项式混沌的响应面。该响应面使我们能够以可忽略的计算成本在任意分布的采样值下高效地评估耗时的电力系统模型。这进一步使我们能够针对系统状态进行有效的在线随机测试，该测试不仅可以筛选出统计活动约束，而且还可以在不使用任何高斯或对称假设的情况下帮助更好地设计严格的界限。最后，执行迭代过程以微调更好地满足预定义概率的最佳解决方案。在多个测试系统中进行的仿真证明了所提出方法的出色性能。依赖于基于多项式混沌的响应面。该响应面使我们能够以可忽略的计算成本在任意分布的采样值下高效地评估耗时的电力系统模型。这进一步使我们能够针对系统状态进行有效的在线随机测试，该测试不仅可以筛选出统计活动约束，而且还可以在不使用任何高斯或对称假设的情况下帮助更好地设计严格的界限。最后，执行迭代过程以微调更好地满足预定义概率的最佳解决方案。在多个测试系统中进行的仿真证明了所提出方法的出色性能。该响应面使我们能够以可忽略的计算成本在任意分布的采样值下高效地评估耗时的电力系统模型。这进一步使我们能够针对系统状态进行有效的在线随机测试，该测试不仅可以筛选出统计活动约束，而且还可以在不使用任何高斯或对称假设的情况下帮助更好地设计严格的界限。最后，执行迭代过程以微调更好地满足预定义概率的最佳解决方案。在多个测试系统中进行的仿真证明了所提出方法的出色性能。该响应面使我们能够以可忽略的计算成本在任意分布的采样值下高效地评估耗时的电力系统模型。这进一步使我们能够针对系统状态进行有效的在线随机测试，该测试不仅可以筛选出统计活动约束，而且还可以在不使用任何高斯或对称假设的情况下帮助更好地设计严格的界限。最后，执行迭代过程以微调更好地满足预定义概率的最佳解决方案。在多个测试系统中进行的仿真证明了所提出方法的出色性能。这进一步使我们能够针对系统状态进行有效的在线随机测试，该测试不仅可以筛选出统计活动约束，而且还可以在不使用任何高斯或对称假设的情况下帮助更好地设计严格的界限。最后，执行迭代过程以微调更好地满足预定义概率的最佳解决方案。在多个测试系统中进行的仿真证明了所提出方法的出色性能。这进一步使我们能够针对系统状态进行有效的在线随机测试，该测试不仅可以筛选出统计活动约束，而且还可以在不使用任何高斯或对称假设的情况下帮助更好地设计严格的界限。最后，执行迭代过程以微调更好地满足预定义概率的最佳解决方案。在多个测试系统中进行的仿真证明了所提出方法的出色性能。