1.基于改进三点估计与最大熵理论的概率谐波潮流计算方法，其特征在于包括以下步骤：

步骤一：构建风机、光伏、负荷输出功率的概率模型；

步骤二：在点估计法基础上增加一组估计点，形成新的估计点矩阵及权重；

步骤三：在步骤一中所构建的概率模型的基础上对谐波潮流进行确定性计算，求解各节点谐波电压；

步骤四：建立关于谐波电压的约束条件，并通过最大熵理论构造出谐波电压最优的概率分布途径。

2.根据权利要求1所述基于改进三点估计与最大熵理论的概率谐波潮流计算方法，其特征在于：所述步骤二中，接入风机、光伏、负荷作为输入随机变量接入系统所产生的估计点xi,j，如公式(9)所示：xi,j＝μi+ξi,jσi i＝1,2,...,n,j＝1,2,...,m        (9)；

公式(9)中，xi,j为接入风机、光伏及负荷作为输入随机变量接入系统所产生的估计点；

n为接入风机、光伏及负荷作为输入随机变量的总数；m为估计点的总数；i为n个接入风机、光伏及负荷作为输入随机变量中第i个随机变量；j为m个估计点中第j个估计点；μi和σi分别为每一个接入风机、光伏及负荷作为输入随机变量的期望和标准差；

权重wi,j表示为公式(10)：

公式(10)中，n为不确定性风机、光伏和负荷所产生的输入随机变量的总数；m为估计点的总数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；wi,j为第i个不确定性风机、光伏和负荷所产生的随机变量取第j个估计点时的权重系数； 为所有不确定性风机、光伏和负荷所产生的随机变量在所有估计点处的权重系数的求和；

ξi,j和wi,j的计算满足公式(11)：

公式(11)中，wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；n为接入风机、光伏及负荷作为输入随机变量的个数；ξi,j为估计点xi,j的位置系数；

λi,k为规格化的第k阶中心矩，即接入风机、光伏及负荷作为输入随机变量的k阶中心矩与标准差σi的k次方的比值；

规格化的第k阶中心矩λi,k如公式(12)所示：

公式(12)中，λi,k为规格化的第k阶中心矩；Mk(Xi)为接入风机、光伏及负荷作为输入随机变量Xi的k阶中心矩；σi为接入风机、光伏及负荷作为输入随机变量Xi的期望和标准差；k为中心矩的阶数；

接入风机、光伏及负荷作为输入随机变量Xi的k阶中心矩Mk(Xi)，如公式(13)所示；

公式(13)中，Mk(Xi)为接入风机、光伏及负荷作为输入随机变量Xi的k阶中心矩；μi为接入风机、光伏及负荷作为输入随机变量Xi的期望；xi为接入风机、光伏及负荷作为输入随机变量中其中一个随机变量；+∞为无穷大的正数；‑∞为无穷大的负数；f(xi)为随机变量的概率密度函数；k为中心矩的阶数；

点估计的计算过程如公式(14)所示：

公式(14)中，Xnm为第n个随机变量的第m个估计点；

设系统中有n个随机变量，其中存在m个概率合集，若每个随机变量可以构造m个估计点，估计点的总数则为m×n，则可以得到函数中待求随机变量前2m‑1阶矩，从而确定其概率分布；

当各接入风机、光伏及负荷作为输入随机变量Xi，取其第j个估计点xi,j时，其余n‑1个输入随机变量均取各自期望值，则通过公式(15)得到待求谐波电压函数的数字特征：公式(15)中，X(i,j)为接入风机、光伏及负荷作为输入随机变量取其第j个估计点xi,j时，其余n‑1个随机输入变量均取自各数学期望时的估计点向量；μn为接入风机、光伏及负荷作为输入随机变量的期望值；xi,j为接入风机、光伏及负荷作为输入随机变量接入系统所产生的估计点；Z为待求随机变量谐波电压；wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；h(·)为接入风机、光伏及负荷作为输入随机变量取其各自数学期望时对应的函数值，反映了输入变量与输出变量之间的非线性关系；l为待求变量谐l波电压的原点矩阶数；E(Z)为待求随机变量谐波电压的l阶原点矩；

根据前两阶原点矩，能够得到待求变量谐波电压Z的数学期望μZ和标准差σZ如公式(16)所示：2

公式(16)中，Z为待求随机变量谐波电压；E(Z)为待求随机变量谐波电压的2阶原点矩；

μZ为待求随机变量谐波电压的期望值；σZ为待求随机变量谐波电压的方差。

3.根据权利要求2所述基于改进三点估计与最大熵理论的概率谐波潮流计算方法，其特征在于：所述步骤二中，利用多元函数泰勒级数展开式结合公式(11)，将输出变量谐波电压Z在风机、光伏及负荷作为输入随机变量Xi的期望值处分别展开,获得位置系数ξi,j及每个估计点xi,j对应下的权重wi,j；

各接入风机、光伏及负荷作为输入随机变量Xi位置系数ξi,j计算如公式(17)所示；

公式(17)中，ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；k为中心矩的阶数；λi,k为第i个随机变量规格化的第k阶中心矩；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

权重wi,j的计算如公式(18)所示；

公式(18)中，ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；k为中心矩的阶数；λi,k为第i个随机变量规格化的第k阶中心矩；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

当估计点m＝3时，根据公式(11)，得出位置系数ξi,j及每个估计点xi,j对应下的权重wi,j，如公式(19)和公式(20)所示：公式(19)中，λi,4为规格化的4阶中心矩，也为输入随机变量Xi的偏度系数，可根据随机变量的前四阶原点矩获得；ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；

λi,3为规格化的3阶中心矩；ξi,3为第三个估计点的位置系数；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

公式(20)中，wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；wi,3为接入风机、光伏及负荷作为输入随机变量取第3个估计点时的权重系数；λi,4为规格化的4阶中心矩，也为输入随机变量Xi的偏度系数，可根据随机变量的前四阶原点矩获得；ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；λi,3为规格化的3阶中心矩；ξi,3为第三个估计点的位置系数；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

m＝3时，估计点总共有3n个，通过公式(9)可知，每一个随机变量Xi都有一个估计点在数学期望μi处，所以有n个点对应同一个估计向量；这n个相同的估计点向量只需进行一次函数值的计算即可，并能够求得其权重系数之和，如公式(21)所示：公式(21)中，w0为估计点在数学期望μi处的权重；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；wi,3为接入风机、光伏及负荷作为输入随机变量取第3个估计点时的权重系数；λi,4为规格化的4阶中心矩；λi,3为规格化的3阶中心矩；

故三点估计法对应的输出变量的统计特征可以表示为公式(22)：

公式(22)中，X(i,j)为接入风机、光伏及负荷作为输入随机变量取其第j个估计点xi,j时，其余n‑1个随机输入变量均取自各数学期望时的估计点向量；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；μn为接入风机、光伏及负荷作为输入随机变量的期望值；xi,j为接入风机、光伏及负荷作为输入随机变量接入系统所产生的估计点；Z为待求随机变量谐波电压；wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；w0为第i个不确定性风机、光伏和负荷所产生的随机变量取估计点为期望值时的权重系数；h(·)为接入风机、光伏及负荷作为输入随机变量取其各自数学期望时对应的函数值，反映了输入变量与输出变量之间的非线性关系；ll为待求变量谐波电压的原点矩阶数；E(Z)为待求随机变量谐波电压的l阶原点矩。

4.根据权利要求3所述基于改进三点估计与最大熵理论的概率谐波潮流计算方法，其特征在于：所述步骤二中，公式(23)中，i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；ξ′i,j为各节点对应的新位置系数；w′i,j为各节点对应的新权重；n为接入风机、光伏及负荷作为输入随机变量的个数；

将公式(23)中的ξ′i,1、ξ′i,2重新带入到公式(9)，得到一组新的估计点x′i,j，如公式(24)：公式(24)中，x′i,j为新增的估计点；μi为第i个接入风机、光伏及负荷作为输入随机变量的期望值；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；n为接入风机、光伏及负荷作为输入随机变量的个数；

进而公式(22)估计待求输出变量谐波电压的原点矩，可更新为公式(25)；

公式(25)中，X(i,j)为当不确定性风机、光伏和负荷所产生的随机输入变量取其第j个估计点xi,j时，其余n‑1个随机输入变量均取自各数学期望时的估计点向量；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；μn为不确定性风机、光伏和负荷所产生的随机变量的期望；xi,j为每一个不确定性风机、光伏和负荷所产生的随机输入变量接入系统所产生的估计点；Z为待求随机变量谐波电压；E'l(Z)为新增加的待求随机变量谐波电压的l阶原点矩；wi,j为第i个不确定性风机、光伏和负荷所产生的随机变量取第j个估计点时的权重系数；w0为不确定性风机、光伏和负荷所产生的随机输入变量取估计点为期望值时的权重系数；h(·)为不确定性风机、光伏和负荷所产生的随机输入变量取其各自数学期望时对应的函数值，反映了输入变量与输出变量之间的非线性关系；Xμ为期望值处的估计点向量；l为待求变量谐波电压的原点矩阶数；w′i,j为第i个不确定性风机、光伏和负荷所产生的随机变量取第j个估计点时新增加的权重系数。

5.根据权利要求1所述基于改进三点估计与最大熵理论的概率谐波潮流计算方法，其特征在于：所述步骤三中，通过谐波网络方程求解各节点谐波电压如式(26)所示；

h h h

I＝Y·U                          (26)；

h h h

式(26)中，I为h次谐波电流；Y为h次谐波导纳矩阵；U为h次谐波电压。

6.根据权利要求1所述基于改进三点估计与最大熵理论的概率谐波潮流计算方法，其特征在于：所述步骤四中，根据公式(27)～(29)建立关于谐波电压的约束条件模型，并通过最大熵理论构造出谐波电压最优的概率分布途径，具体如下：以谐波电压函数的熵取最大值为目标函数，并以谐波电压统计特征的前4阶原点矩EZ,l(l＝0,1,...,4)为约束条件构建模型，如公式(27)所示；

公式(27)中，H为熵函数；max为最大的集合元素，即最大值；∞为无穷大的数；‑∞为无穷大的负数；fZ(z)为谐波电压的概率密度函数；EZ,l为谐波电压的原点矩；l为原点矩的阶数；

最大熵模型的约束条件如公式(28)所示；

公式(28)中，H为熵函数；s.t.为约束条件；fZ(z)为谐波电压的概率密度函数；∞为无穷大的数；‑∞为无穷大的负数；EZ,l为谐波电压的原点矩；l为原点矩的阶数；

对熵函数H引用Lagrange(拉格朗日)乘子法，构造修正函数，如公式(29)所示；

公式(29)中，L为修正方程；H为熵函数；fZ(z)为谐波电压的概率密度函数；EZ,l为谐波电压的原点矩；+∞为无穷大的正数；‑∞为无穷大的负数；l为原点矩的阶数；λ0,λ1,...,λ4为待定常数；

通过求解非线性方程，获取拉格朗日系数λ0,λ1,...,λ4，最终得到的最大熵概率密度函数如公式(30)所示：公式(30)中，fZ(z)为谐波电压的概率密度函数；Z为待求变量谐波电压；e为自然对数函数的底数；l为原点矩的阶数；λ0,λ1,...,λ4为拉格朗日乘子法待定系数。

7.基于风机、光伏以及负荷的不确定性概率模型的改进的点估计法，其特征在于：接入风机、光伏以及负荷作为输入随机变量接入系统所产生的估计点xi,j，如公式(9)所示：xi,j＝μi+ξi,jσi i＝1,2,...,n,j＝1,2,...,m        (9)；

公式(9)中，xi,j为接入风机、光伏及负荷作为输入随机变量接入系统所产生的估计点；

n为接入风机、光伏及负荷作为输入随机变量的总数；m为估计点的总数；i为n个接入风机、光伏及负荷作为输入随机变量中第i个随机变量；j为m个估计点中第j个估计点；μi和σi分别为每一个接入风机、光伏及负荷作为输入随机变量的期望和标准差；

权重wi,j可表示为公式(10)：

公式(10)中，n为不确定性风机、光伏和负荷所产生的输入随机变量的总数；m为估计点的总数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；wi,j为第i个不确定性风机、光伏和负荷所产生的随机变量取第j个估计点时的权重系数； 为所有不确定性风机、光伏和负荷所产生的随机变量在所有估计点处的权重系数的求和；

ξi,j和wi,j的计算满足公式(11)：

公式(11)中，wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；n为接入风机、光伏及负荷作为输入随机变量的个数；ξi,j为估计点xi,j的位置系数；

λi,k为规格化的第k阶中心矩，即接入风机、光伏及负荷作为输入随机变量的k阶中心矩与标准差σi的k次方的比值；

规格化的第k阶中心矩λi,k如公式(12)所示：

公式(12)中，λi,k为规格化的第k阶中心矩；Mk(Xi)为接入风机、光伏及负荷作为输入随机变量Xi的k阶中心矩；σi为接入风机、光伏及负荷作为输入随机变量Xi的期望和标准差；k为中心矩的阶数；

接入风机、光伏及负荷作为输入随机变量Xi的k阶中心矩Mk(Xi)，如公式(13)所示；

公式(13)中，Mk(Xi)为接入风机、光伏及负荷作为输入随机变量Xi的k阶中心矩；μi为接入风机、光伏及负荷作为输入随机变量Xi的期望；xi为接入风机、光伏及负荷作为输入随机变量中其中一个随机变量；+∞为无穷大的正数；‑∞为无穷大的负数；f(xi)为随机变量的概率密度函数；k为中心矩的阶数；

点估计的计算过程如公式(14)所示：

公式(14)中，Xnm为第n个随机变量的第m个估计点。

8.一种谐波电压函数的数字特征求解方法，其特征在于：当各接入风机、光伏及负荷作为输入随机变量Xi，取其第j个估计点xi,j时，其余n‑1个输入随机变量均取各自期望值，则可通过公式(15)可得到待求谐波电压函数的数字特征：公式(15)中，X(i,j)为接入风机、光伏及负荷作为输入随机变量取其第j个估计点xi,j时，其余n‑1个随机输入变量均取自各数学期望时的估计点向量；μn为接入风机、光伏及负荷作为输入随机变量的期望值；xi,j为接入风机、光伏及负荷作为输入随机变量接入系统所产生的估计点；Z为待求随机变量谐波电压；wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；h(·)为接入风机、光伏及负荷作为输入随机变量取其各自数学期望时对应的函数值，反映了输入变量与输出变量之间的非线性关系；l为待求变量谐l波电压的原点矩阶数；E(Z)为待求随机变量谐波电压的l阶原点矩；

根据前两阶原点矩，可以得到待求变量谐波电压Z的数学期望μZ和标准差σZ如公式(16)所示：2

公式(16)中，Z为待求随机变量谐波电压；E(Z)为待求随机变量谐波电压的2阶原点矩；

μZ为待求随机变量谐波电压的期望值；σZ为待求随机变量谐波电压的方差。

9.基于三点估计法的谐波输出变量的统计计算方法，其特征在于：利用多元函数泰勒级数展开式结合公式(11)，将输出变量谐波电压Z在风机、光伏及负荷作为输入随机变量Xi的期望值处分别展开,获得位置系数ξi,j及每个估计点xi,j对应下的权重wi,j；

各接入风机、光伏及负荷作为输入随机变量Xi位置系数ξi,j计算如公式(17)所示；

公式(17)中，ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；k为中心矩的阶数；λi,k为第i个随机变量规格化的第k阶中心矩；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

权重wi,j的计算如公式(18)所示；

公式(18)中，ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；k为中心矩的阶数；λi,k为第i个随机变量规格化的第k阶中心矩；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

当估计点m＝3时，根据公式(11)，可以得出位置系数ξi,j及每个估计点xi,j对应下的权重wi,j，如公式(19)和公式(20)所示；

公式(19)中，λi,4为规格化的4阶中心矩，也为输入随机变量Xi的偏度系数，可根据随机变量的前四阶原点矩获得；ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；

λi,3为规格化的3阶中心矩；ξi,3为第三个估计点的位置系数；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

公式(20)中，wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；wi,3为接入风机、光伏及负荷作为输入随机变量取第3个估计点时的权重系数；λi,4为规格化的4阶中心矩，也为输入随机变量Xi的偏度系数，可根据随机变量的前四阶原点矩获得；ξi,j为各接入风机、光伏及负荷作为输入随机变量Xi位置系数；λi,3为规格化的3阶中心矩；ξi,3为第三个估计点的位置系数；n为接入风机、光伏及负荷作为输入随机变量的个数；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；

m＝3时，估计点总共有3n个，但因为公式(9)可知，每一个随机变量Xi都有一个估计点在数学期望μi处，所以有n个点对应同一个估计向量；这n个相同的估计点向量只需进行一次函数值的计算即可，并可求得其权重系数之和，如公式(21)所示：公式(21)中，w0为估计点在数学期望μi处的权重；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；wi,3为接入风机、光伏及负荷作为输入随机变量取第3个估计点时的权重系数；λi,4为规格化的4阶中心矩；λi,3为规格化的3阶中心矩；

故三点估计法对应的输出变量的统计特征可以表示为公式(22)：

公式(22)中，X(i,j)为接入风机、光伏及负荷作为输入随机变量取其第j个估计点xi,j时，其余n‑1个随机输入变量均取自各数学期望时的估计点向量；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；μn为接入风机、光伏及负荷作为输入随机变量的期望值；xi,j为接入风机、光伏及负荷作为输入随机变量接入系统所产生的估计点；Z为待求随机变量谐波电压；wi,j为接入风机、光伏及负荷作为输入随机变量取第j个估计点时的权重系数；w0为第i个不确定性风机、光伏和负荷所产生的随机变量取估计点为期望值时的权重系数；h(·)为接入风机、光伏及负荷作为输入随机变量取其各自数学期望时对应的函数值，反映了输入变量与输出变量之间的非线性关系；ll为待求变量谐波电压的原点矩阶数；E(Z)为待求随机变量谐波电压的l阶原点矩。

10.基于改进三点估计法的估计点矩阵形成方法，其特征在于：点估计矩阵形成方法如下：

公式(23)中，i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；ξ′i,j为各节点对应的新位置系数；w′i,j为各节点对应的新权重；n为接入风机、光伏及负荷作为输入随机变量的个数；

将公式(23)中的ξ′i,1、ξ′i,2重新带入到公式(9)，得到一组新的估计点x′i,j，如公式(24)：公式(24)中，x′i,j为新增的估计点；μi为第i个接入风机、光伏及负荷作为输入随机变量的期望值；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；n为接入风机、光伏及负荷作为输入随机变量的个数；

进而公式(22)估计待求输出变量谐波电压的原点矩，可更新为公式(25)；

公式(25)中，X(i,j)为当不确定性风机、光伏和负荷所产生的随机输入变量取其第j个估计点xi,j时，其余n‑1个随机输入变量均取自各数学期望时的估计点向量；i为n个不确定性风机、光伏和负荷所产生的随机变量中第i个随机变量；j为m个估计点中第j个估计点；μn为不确定性风机、光伏和负荷所产生的随机变量的期望；xi,j为每一个不确定性风机、光伏和负荷所产生的随机输入变量接入系统所产生的估计点；Z为待求随机变量谐波电压；E'l(Z)为新增加的待求随机变量谐波电压的l阶原点矩；wi,j为第i个不确定性风机、光伏和负荷所产生的随机变量取第j个估计点时的权重系数；w0为不确定性风机、光伏和负荷所产生的随机输入变量取估计点为期望值时的权重系数；h(·)为不确定性风机、光伏和负荷所产生的随机输入变量取其各自数学期望时对应的函数值，反映了输入变量与输出变量之间的非线性关系；Xμ为期望值处的估计点向量；l为待求变量谐波电压的原点矩阶数；w′i,j为第i个不确定性风机、光伏和负荷所产生的随机变量取第j个估计点时新增加的权重系数。