采用经验分布函数进行估计可以避免上述缺陷，应用事件发生的频率去估计事件发生的概率，可得到累计分布函数如下。

                         （2。3）

以标准IEEE-14节点系统（如图2-3所示）中的3号节点的发电机有功出力改为随机变量，其中3号节点发电机有功出力变量服从形状参数为2。2，尺度参数为2的双参数威布尔分布。拉丁超立方重要抽样次数为500。

图2-3 IEEE14节点系统结构图

以10000次蒙特卡罗模拟计算为标准，图2-4列出了系统中几条支路有功累积分布曲线，其中红色曲线为蒙特卡罗模拟法所得曲线，蓝色曲线为拉丁超立方重要抽样法概率潮流计算所得曲线，图中可看出两条曲线契合度很好，验证了拉丁超立方重要抽样法与蒙特卡洛法计算结果相近，具有较高的计算精度。来:自[优E尔L论W文W网www.chuibin.com +QQ752018766-

图 24 输出变量累积分布曲线对比

2。4本章小结

本章基于传统拉丁超立方抽样法原理，采用了拉丁超立方重要抽样法，对随机变量分层后进一步划分为若干子区间，计算每个子区间各边界概率密度值，选取概率密度值最大的作为样本点，以计及随机变量概率分布的尾部特征，对随机变量的抽样结果显示该方法与传统拉丁超立方抽样法相比，计算精度有明显提升。利用拉丁超立方重要抽样算法计算了14节点系统的概率潮流，与蒙特卡罗法的结果对比，表明了该方法的有效性。