近似法是利用输入随机变量的数字特征近似描述系统状态变量统计特性的方法。该方法避开了大规模的重复抽样，因而求解速度较快，又因其能够计及系统输入变量之间的互相关性，因而受到重视。目前研究应用较多的有点估计法、一次二阶矩法和状态变换法 。
点估计法是一种概率统计方法，目前所做的应用研究都是基于1998年Hong在已知输入随机变量的连续分布下提出的点估计法。该方法能够根据已知随机变量的概率分布，求得待求随机变量的各阶矩。
点估计法属于逼近技术的一种，利用输入随机变量的统计信息来逼近输出随机变量的数字特征。其主要运算过程分为以下几步。
1）用潮流方程中输入随机变量W的各个分布函数求出相应的前2M-1阶中心矩。
2）通过构造的方式，利用前2M-1阶中心矩独立求出每个输入随机变量的M个离散状态，使得这M个离散状态包含了前2M-1阶中心矩的所有信息。
3）用所求得的每个输入随机变量的M个离散状态和它们的均值，构造M´K个输入随机变量的离散状态，求出对应输出随机变量的M´K个离散状态。
4）用求得的潮流方程输出随机变量X和Z的M´K个离散状态逼近相应的期望值与方差等相关数字特征。
由以上步骤可以分析点估计法的特点如下：
1）该方法中实际的输入量为输入随机变量前2M-1阶中心矩，此中心矩可以由概率分布函数直接求出，也可以由大量样本逼近拟合方程式展开得到，这样就不必受限于必须已知输入变量概率分布的条件约束。
2）点估计法不需要知道输入与输出之间的具体函数关系表达式，仅要求每个输入有唯一对应的输出。
3）输出随机变量有2M-1阶多项式逼近的精度，为了提高估计的精度，可以增加输入变量的高阶矩信息，即增加取点个数。但实际应用中点个数M大于3时不仅急剧增大计算量，而且往往造成解的结果非实数，因此M通常取2或3，即构成常用的两点估计法和三点估计法。
两点估计法计算简单、容易实现，但其只利用输入变量的前三阶矩信息，计算精度低；三点估计法既能得到较高精度的估计值，又保持了简易性，在点估计法中广为使用。点估计法的缺点在于计算结果中随机变量的高阶矩不够精确，无法准确获得变量的概率分布函数。同时在处理输入变量的时间和空间相关性上具有一定的计算复杂度。
一次二阶矩法作为一种近似概率仿真方法，已被广泛应用于机械、结构可靠性分析中。该方法通过将状态方程泰勒展开，近似保留一次线性项，形成包含前两阶矩（即均值和方差）的计算方程式。在电力系统概率潮流分析中，其具体步骤如下：
步骤1：将输入随机变量对输出状态变量的潮流方程按泰勒级数展开为一次项形式。
步骤2：计算输入变量均值方程式。
步骤3：计算输入变量协方差方程式。
步骤4：由步骤2和3联合，通过输入变量的均值和协方差计算输出状态变量的数字特征。
一次二阶矩法计算简单，效率高；但其计算能力有限，仅能处理输出与输入之间均值和方差的数值计算，算法模型误差较大，并且计算精度受到系统概率潮流模型约束很大，因此研究较少。
状态变换按照变换方法分为线性变换、多项式变换和无迹变换等。线性变换法基于正态变量线性变换不变性定理，假设节点注入随机变量均服从正态分布，将潮流方程线性化后可得系统状态变量为节点注入变量的线性组合并且仍服从正态分布。多项式变换多用作其他计算方法的辅助手段，用以表征电力系统随机因素的模型转换等问题。无迹变换认为：拟合一个概率分布比求解非线性变换容易得多，基于此，通过较少的样本点和相应的样本权重准确捕获状态分布参数，通过非线性函数传递后输出状态变量的期望与方差。
状态变换法的优点在于变换过程数学理论清晰，意义明确，计算规模不大，但由于该方法以高斯正态分布为变换基础，使其在新能源（不满足高斯分布）并网问题下的概率分析存在一些不足。
近似在各个科学领域均有应用，在电力系统概率潮流中近似计算的使用也较为普遍。与确定性潮流相比，概率潮流的计算规模显著提升，快速的近似计算显得更为迫切。目前已有的近似法概率潮流算法中，计算结果以均值和方差为主要目标，如何获得状态变量较为准确的整体概率分布是改进的重要方向。另一方面，近似法概率潮流算法计算结果的可信度与误差分析也是研究的内容之一。
在近似法中，随机变量状态的变换是一种基础计算手段，而泛函分析领域的空间转换与之具有相似的计算逻辑，把发展成熟的泛函空间变换应用于近似法概率潮流，是值得探索的方向。
