- •Конспект лекций
- •Предисловие
- •Раздел 1 применение методов теории вероятностей в задачах электроэнергетики
- •Условной вероятностью события а по в называется вероятность события а, если происходит событие в. Она обозначается через р{а/в}.
- •Пример 3-6. В энсргетической системе, в ключающей четыре однотипных генератора, требуется найти вероятности одновременною выхода из строя нескольких генераторов
- •Найдем вероятности дефицитов 100 и 200 мВт:
- •Статистика в электроэнергетике
- •Рассмотрим вопрос об определении статистических численных характеристик случайных величин в энергетике.
- •Раздел 2 математическое программироваие в электроэнергетике
- •1.Построение математической модели.
- •2. Нахождение метода решения.
- •3. Типичные классы задач
- •2. Линейное программирование
- •2.1 Задачи линейного программирования
- •2. 2. Основная задача линейного программирования
- •2.3 Геометрическая интерпретация основной задачи линейного программирования
- •2.4. Симплекс метод решения задачи
- •3.Транспортная задача линйного программирования
- •Раздел 3 математический аппарат для изучения переходных процессов с учетом нелинейностей
- •Раздел 4 математический аппарат для изучения статической устойчивости установившегося режима
Статистика в электроэнергетике
Решение любых задач с применением теории вероятностей в тех случаях, когда используется их статистическое определение, невозможно без получения соответствующего статистического материала, базирующегося на большом количестве опытов или наблюдений. При этом возникают задачи, связанные с правильной обработкой статистических материалов и приданием им формы, удобной для последующего применения методов теории вероятностей. Раздел теории вероятностей, занимающийся регистрацией, обработкой и анализом статистических материалов, называется математической статистикой. .
Рассмотрим вопрос о точности определения статистической вероятности какого-либо события на основании опытов или наблюденийпо схеме независимых испытаний. Закон больших чисел (теорема Бернулли) утверждает) [Л.2]: при неограниченном возрастании числа испытаний вероятность того, что разность между наблюденной относительной частотой некоторого события А (равной m/n, где n—число испытаний, а m—число появлений события) и истинной вероятностью события p будет меньше любого самого малого числа ε, стремится к единице, т. е. при достаточно большом числе испытаний вероятность ошибки в замене вероятности случайного события относительной частотой его появления стремится к нулю.
Однако бесконечно большое число испытаний недостижимо практически приходится довольствоваться некоторым большим числом испытаний. При этом ошибка в определении вероятности по относительной частоте события является также случайной величиной, имеющей ту или иную вероятность. Интегральная предельная теорема Муавра—Лапласа позволяет определить вероятность той или иной ошибки. Согласно этой теореме
произвольные
числа; р— истинная вероятность
события; q = 1 – p.
|
|
|
|
Одно из следствий этой теоремы записывается следующим образом:
поэтому (при достаточно большом n)
(1-35)
где m/n— относительная частота появления события; ε—произвольное число; Φ(x) — интеграл вероятности [ Л.2 ] .
Это дает возможность определить приближенно вероятность ошибки ε в оценке вероятности события р. При определении статистической вероятности какого-либо случайного события могут возникнуть три различных задачи, решение которых основывается на использовании формулы (1-35).
Пусть, например, событием будет аварийный выход в часы вечернего максимума энергосистемы какого-либо агрегата. Тогда числом испытаний будет число дней наблюдения п, а числом появлений события—число дней, когда данный агрегат находится в период максимума в аварийном состоянии т. При этом возможны три задачи.
Задача 1. Найти наименьшее число испытаний п, при котором разность относительной частоты m/n и вероятности события р не превышает заданной величины ε с заданной вероятностью β.
Согласно (1-35) _________
β=Φ[ε √n / (pq) ].
По таблицам интеграла вероятностей , используя зависимость β = Φ(α), при заданном значении β определяем α
_____
= ε√n /(pq) и далее находим минимальное число испытаний;
n=(α2 / ε2)рq.
Пример 3-12. Пусть q = 0,02; p = 0,98; β = 0,99; ε = 0.01. Найдем наименьшее число испытаний, при котором с вероятностью 0,98 разность относительной частоты и вероятности события не· превышает 0,01.
По таблицам интеграла вероятностей для Ф(а)==0,99 находим а=2,58. Тогда n = (2,582./ 0,012) * 0.02*0,98 = 1305.
Если требования к значению вероятности β понизить до β=0,95,то Φ (α) = =0,95; α = 1,96. При -атом n = (1,96 2 /0,012 ) * 0,98 * 0.02 = 753.
Наоборот, если требования к значению вероятности β повысить до 0,999, то Ф(а)==0,999; а=3,3. При этом
n = (3,32/0,012)*0,02*0,98=2134.
Задача 2. Найти вероятность β того, что отклонение относительной частоты события т / п от его вероятности ρ будет меньше заданного числа ε при заданном числе испытаний п. Согласно (1-35) искомая величина
________
β = Ф[ ε√n / (pq) ],
поэтому сначала определяют α = ε√n /{pq), а затем по таблицам интеграла вероятности находят β = Φ(α).
Пример 3-13. Определить вероятиость того, что максимальное отклонение относительнон частоты события т/п от вероятности р==0,98 будет меньше
ε = 0,005 при числе испытании n = 1000, Исходя из условия, ______
α = ε √n / (pq) ] = 0,005 √1000/0,98·0,02 = 1,11.
По таблицам интеграла вероятности находим Ф(1,11) = 0,733. Следовательно, искомая вероятность равна 0.733. Если снизить требование к точносги. приняв ε = 0,01, то α = 2,22; β = Ф (2,22) = 0.973, т, с. верояность непревышения такой ошибки возрастет с 0 733 до 0.973. Если еще снизить требование к точности, то при ε = 0,02 значение α = 4,44 и β = Φ (4,44) = 0,999994.
Задача З. Найти макснмальное отклонение относительной частоты
события от его вероятности ρ при числе испытаний п, имеющее заданную вероятность β. По величине вероятности β = Φ (α) из таблиц интеграла вероятности находим α, а затем
ε = √ pq/n.
Пример 3-14. Найти максимальное отклонение относительной частоты события от вероятности ρ =0,98, имеющее при числе испытаний n = 1000 вероятность β = 0.98.
Πυ значению Φ (α) =0,98 с помощью таблиц интеграла вероятности определяем α = 2,33, тогда
ε = 2,33)√0,02.0,98/1000 = 0,0105.