风力发电输出的突然变化是电力系统严重受损的根源。京都大学的研究人员开发了一种随机建模方法，可以评估这些现象的影响。该方法的特征在于其与标准蒙特卡罗模拟相比具有显着的计算效率，并且其适用于分析和合成受极端异常值影响的各种系统。
风力发电在电力系统中的引入正在积极进行，主要在和欧洲，预计将继续在。但是，在实施时，处理输出波动的预测不确定性至关重要。风力发电的波动通常很小，但由于在不可忽略的频率下出现阵风和湍流，它变得非常大。这种极端异常值被认为是对电力系统造成严重破坏的根源。
为了应对风力发电的这种波动，诸如“绝对保持0.2Hz内的频率波动”的目标设定将是不可实现的或者将导致过于保守的设计。因此，诸如“将频率波动保持在0.2Hz以内且99.7%或更高”的概率目标设定是必不可少的。
概率不确定性在统计上进行评估，通常假设它遵循其数学可加工性的正态分布。然而，风力发电中的输出异常值比正态分布更频繁。即使可以在不假设正态分布的情况下构造复杂的模拟器，通过蒙特卡罗模拟研究统计特性也是不现实的。这是因为在发生足够多的极端异常值之前，所需数量的样本会爆炸。
针对风电波动对电力系统质量的影响，提出了一种评估方法。该方法首先建立概率模型，假设不确定性的稳定分布(正态分布的扩展)。然后，我们不是使用模型作为模拟器来生成数据样本，而是直接从模型中的参数计算统计特性。重要的特征是1.可以适当考虑极端异常值的影响，2。模型可以很容易地从实际数据中确定，3。计算成本非常低。通过应用于基于实际电力系统数据的频率偏差估计，证明该方法是有效的。
这种新提出的概率评估方法使我们能够定量评估风力发电极端突变的发生所引起的电力系统风险。基于评估的对策将有助于提高电力系统的可靠性和经济效率。还应注意，所提出的方法适用于具有极端异常值的各种系统的分析和合成。
