针对电力系统中出现的出力波动、负荷停运等常见现象，传统的确定性潮流计算方法无法计及这些随机变化的因素，不能满足动态潮流计算的要求，因此概率潮流应运而生，成为解决电力系统不确定因素的重要基础，更能全面有效地对电力系统的安全运行作出评估，发现系统中随机变化的潮流问题，对电力系统的可靠运行意义重大。最早在1974年，Brokowaka最先提出直流模型的概率潮流计算方法，用以解决电力系统中诸多不确定因素引起的潮流问题。后人对概率潮流的理论与方法不断总结深入，提出了线性化交流模型、分段线性化交流模型和非线性化交流模型[4-5]，已形成了一个完备的解决电力系统不确定性因素的体系。84126

目前电力系统概率潮流算法大致分为三个大类：模拟法，近似法和解析法。

（1）模拟法计算概率潮流是目前最常用的方法，该方法将不确定因素作为变量建立概率模型，得到其概率分布，抽样得到概率分布的样本，从样本特征得到不确定性因素的分布特征，主要有蒙特卡洛法和衍生出的重要抽样法和拉丁超立方抽样法等。蒙特卡洛法是其他所有模拟法的基础，它采用随机模拟的方法，大量地随机抽样得到变量概率分布的数值序列，进行特定分析后可得到变量的概率模型特征[6]。其优点在于样本的容量越大，蒙特卡洛法的计算结果越精确，可通过提高抽样次数来得到想要的计算精度，但随之而来的问题是抽样时间也随着抽样规模同比增大。由于其精度优势，蒙特卡洛法常用作一个基准来衡量其他概率潮流计算法的准确性。论文网

在蒙特卡洛法的基础上，重要抽样法把关注的重点放在期望值附近的样本上，认为期望值附近的样本对计算结果的影响要比其他样本大，因此它在保持期望值不变的前提下，通过改变变量的概率分布的方法来减小抽样的方差，提高计算的精度[7]。重要抽样法对期望值的计算足够精确是该方法的优势所在，但它对样本方差和其他特征的估计限制了其更广泛的应用。拉丁超立方抽样法属于分层抽样法，是本文概率潮流计算的基础，在后文将有更详细的介绍。

（2）近似法又分为点估计法、一次二阶矩法、状态变化法等，是通过输入变量的数字特征近似描述系统特性参数的方法[8]，求解速度较之模拟法要快。点估计法利用随机变量几个点的分布特征可求得变量的各阶矩，计算精度随着取点个数提高，但点个数的增多使得计算量急剧增大，因此三点估计法最为常用，精算精度足够且较为简易。一次二阶矩法的计算工具是泰勒展开式，近似保留一次项来获取关于样本的均值和方差的方程式[8]，其精度只能满足一般工程计算的要求，误差较大，应用较少。状态变化法假设节点注入系统的功率满足正态分布，并用节点注入变量的线性组合来描述系统的变量特征，认为系统变量也满足正态分布，但由于新能源注入电网的功率一般不能由正态分布来描述，所以该方法局限性较大。

（3）解析法的实质就是通过复杂的卷积计算从随机变量的特征得到状态量的概率分布，由于计算规模越大，卷积的计算量将十分庞大，所以解析法的关键在于如何简化卷积运算。卷积计算以前最常用是快速傅里叶变换，但它无法解决多元线性方程的计算问题，因此已逐渐被淘汰。半不变量法将卷积运算简化为几个半不变量的简单运算，序列运算理论则用自定义的卷和、序乘等运算简化卷积算法[9]，都使得卷积运算更为高效。