北京市居民生活用电量中长期预测研究
发布时间：2021-04-07 17:11
电力能源作为我国重要的能源之一,因其具有使用方便、清洁卫生等特点,在现代居民生活当中占据着举足轻重的作用。随着经济的不断发展,北京市居民生活用电量占全社会用电量的比重逐年增加,且有继续增加的趋势,因此,分析北京市居民生活用电的历史特征并对其未来发展趋势进行预测,既可以在宏观层面上为电力部门实施合理的电力规划、制定合理的节能减排政策提供参考,也可以在微观层面上为电力部门在实行阶梯电价过程中合理划分电量区间、设计合理阶梯电价提供有效依据。本文将灰色关联分析、灰色预测和粒子群优化的支持向量机结合,构建组合预测模型对北京市中长期居民生活用电量进行预测研究。首先,从收入、价格、替代能源、人口、居住环境、气候、用电器数量7个方面分析了北京市居民生活用电的影响因素及其相关特性,在此基础上通过计算1990-2012年间不同阶段的收入弹性、价格弹性以及替代能源价格弹性分析北京市居民生活用电的历史特征。其次,运用灰色关联分析法分别筛选出北京市城市和农村居民生活用电的关键影响因素,并利用灰色预测的“一阶累加”方法将城市和农村的关键影响因素及居民生活用电量的原始数据序列生成较为规律的数据序列,为模型训练做准备...
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图３－２?１９９０－２０１２年化京市居民生活电价??如图３－２所示，北京市居民生活名义电价从１９９０年的０．１７元／ＫＷｈ增加到??
华北电丸大学硕－上学位论文??度量居民居住面积大小可Ｗ采用人均居住面积指标。如图３－６所示，城市和??农村人均居住面积年均增速分别为６．２４％和３．９４％。??６０??５０??Ａ?－＜?４０?＾…＂■傭‘??兴?…＇？ｒ??＇渉＾驴－－沸＂…争＂＂■啼??這?■？着？翁．善？貧矿?护本方＾一?——??０?＇＇……－－＇■———＇——??－－－■＇－?－……—??—―‘■＇■—■■—?—???????１Ｍ０?１?汾２?１９９４?１９说?１．０Ｄ８?２孤０?２孤２?２孤４?２０３６?２００Ｓ?２０１０?２０１２??—城市人巧巧件陆积?农村人巧巧样而巧??图３－６?１９９０－２０１２年北京市城乡人均居住面积??３丄６气候因素??气候因素对居民生活用电需求的影响在夏季和冬季较为明显。具体表现为，??当气温升高或降低到一定程度之后，居民就会有降温或取暖的需求，相应地，可??用于降温的家用电器（如空调、电风扇）或用于取暖的家用电器（如电暖气，电??热毯）的使用频率和使用时间就会随之增加，从而增加居民生活用电需求。但气??温对用电需求的影响具有其特殊性，并非每升高或降低一度，需求量就随之增加，??而只有当温度升高或降低到一定水平之后，气温的变化才会引起用电需求的变化，??因而，气温对用电需求的影响是非线性的。??北京市属于北方地区
図３－９?１９９０－２０１２年北京市农村居巧每肯户家庭典消家Ｗ屯器拥有貴??如图３－８、３－９所示，空调作为高耗能电器从２０世纪９０年代中期巧始大范??围进入城市居民家庭，从１９９０年的每百户不足２台增加到２０１２年的每百户１７９??台，年均增速达２５．５５％，增长最快的年份增长率达９１．５４％。而农村居民家庭对??空调的需求相对滞后，进入２１世纪之后才开始快速增长，年均增速达３３．３８％，??－且仍有继续增加的趋势。??（５）照明用电??照明用电是一种生活必须品。随着居民生活水平的提高、住房条件的改善，??居民对照明的灯具的需求己不仅仅局限在照明的用途上，其在美观（客餐厅装饰??奸）、节能（厕所节能灯）、保暖（浴室保暖）等方面的性能也逐渐受到居民的追??捧。在Ｒ常生活中，照明用电因其具有使用频率高、时间长，且无相关替代品等??特点，对居民生活用电量的增长具有一定影响。但是照明灯具同样存在功率小、??同一家庭所拥有的种类繁多且功率不一致的情况，这使得很难对各类照明灯具的??数量进行合并，此外，各年统计年鉴中对照明用电的灯具的数据统计相当缺乏。??因此，本文不将照明灯的数量作为居民生活用电量的影响因素中。??
【参考文献】：
期刊论文
[1]基于Gompertz的灰色模型预测油田产量[J]. 汤国平,姜汉桥,丁帅伟,李俊键,甘云雁. 新疆石油地质. 2013(04)
[2]基于混合核函数的支持向量机[J]. 邬啸,魏延,吴瑕. 重庆理工大学学报(自然科学). 2011(10)
[3]采用支持向量机和模拟退火算法的中长期负荷预测方法[J]. 李瑾,刘金朋,王建军. 中国电机工程学报. 2011(16)
[4]基于最小二乘支持向量机的居民用电预测研究[J]. 何永秀,王跃锦,杨丽芳,何海英,罗涛. 电力需求侧管理. 2010(03)
[5]支持向量机及其在机械故障诊断中的应用[J]. 袁胜发,褚福磊. 振动与冲击. 2007(11)
[6]滑坡灾害空间预测支持向量机模型及其应用[J]. 戴福初,姚鑫,谭国焕. 地学前缘. 2007(06)
[7]灰色理论在图像工程中的应用研究进展[J]. 马苗,田红鹏,张艳宁. 中国图象图形学报. 2007(11)
[8]基于支持向量机与遗传算法的灰熔点预测[J]. 王春林,周昊,李国能,邱坤赞,岑可法. 中国电机工程学报. 2007(08)
[9]城镇居民生活用电需求预测模型[J]. 宋炜,顾阿伦,吴宗鑫. 中国电力. 2006(09)
[10]基于灰色关联分析的矿井通风系统优化评判[J]. 曾宪禄. 矿业工程. 2005(05)
硕士论文
[1]基于粒子群思想改进支持向量机优化算法的研究[D]. 冯一博.哈尔滨理工大学 2013
[2]基于数据挖掘方法的居民生活用电负荷预测研究[D]. 焦艳燕.华北电力大学（北京） 2009
本文编号：3123859
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图３－２?１９９０－２０１２年化京市居民生活电价??如图３－２所示，北京市居民生活名义电价从１９９０年的０．１７元／ＫＷｈ增加到??
华北电丸大学硕－上学位论文??度量居民居住面积大小可Ｗ采用人均居住面积指标。如图３－６所示，城市和??农村人均居住面积年均增速分别为６．２４％和３．９４％。??６０??５０??Ａ?－＜?４０?＾…＂■傭‘??兴?…＇？ｒ??＇渉＾驴－－沸＂…争＂＂■啼??這?■？着？翁．善？貧矿?护本方＾一?——??０?＇＇……－－＇■———＇——??－－－■＇－?－……—??—―‘■＇■—■■—?—???????１Ｍ０?１?汾２?１９９４?１９说?１．０Ｄ８?２孤０?２孤２?２孤４?２０３６?２００Ｓ?２０１０?２０１２??—城市人巧巧件陆积?农村人巧巧样而巧??图３－６?１９９０－２０１２年北京市城乡人均居住面积??３丄６气候因素??气候因素对居民生活用电需求的影响在夏季和冬季较为明显。具体表现为，??当气温升高或降低到一定程度之后，居民就会有降温或取暖的需求，相应地，可??用于降温的家用电器（如空调、电风扇）或用于取暖的家用电器（如电暖气，电??热毯）的使用频率和使用时间就会随之增加，从而增加居民生活用电需求。但气??温对用电需求的影响具有其特殊性，并非每升高或降低一度，需求量就随之增加，??而只有当温度升高或降低到一定水平之后，气温的变化才会引起用电需求的变化，??因而，气温对用电需求的影响是非线性的。??北京市属于北方地区
図３－９?１９９０－２０１２年北京市农村居巧每肯户家庭典消家Ｗ屯器拥有貴??如图３－８、３－９所示，空调作为高耗能电器从２０世纪９０年代中期巧始大范??围进入城市居民家庭，从１９９０年的每百户不足２台增加到２０１２年的每百户１７９??台，年均增速达２５．５５％，增长最快的年份增长率达９１．５４％。而农村居民家庭对??空调的需求相对滞后，进入２１世纪之后才开始快速增长，年均增速达３３．３８％，??－且仍有继续增加的趋势。??（５）照明用电??照明用电是一种生活必须品。随着居民生活水平的提高、住房条件的改善，??居民对照明的灯具的需求己不仅仅局限在照明的用途上，其在美观（客餐厅装饰??奸）、节能（厕所节能灯）、保暖（浴室保暖）等方面的性能也逐渐受到居民的追??捧。在Ｒ常生活中，照明用电因其具有使用频率高、时间长，且无相关替代品等??特点，对居民生活用电量的增长具有一定影响。但是照明灯具同样存在功率小、??同一家庭所拥有的种类繁多且功率不一致的情况，这使得很难对各类照明灯具的??数量进行合并，此外，各年统计年鉴中对照明用电的灯具的数据统计相当缺乏。??因此，本文不将照明灯的数量作为居民生活用电量的影响因素中。??
【参考文献】：
期刊论文
[1]基于Gompertz的灰色模型预测油田产量[J]. 汤国平,姜汉桥,丁帅伟,李俊键,甘云雁. 新疆石油地质. 2013(04)
[2]基于混合核函数的支持向量机[J]. 邬啸,魏延,吴瑕. 重庆理工大学学报(自然科学). 2011(10)
[3]采用支持向量机和模拟退火算法的中长期负荷预测方法[J]. 李瑾,刘金朋,王建军. 中国电机工程学报. 2011(16)
[4]基于最小二乘支持向量机的居民用电预测研究[J]. 何永秀,王跃锦,杨丽芳,何海英,罗涛. 电力需求侧管理. 2010(03)
[5]支持向量机及其在机械故障诊断中的应用[J]. 袁胜发,褚福磊. 振动与冲击. 2007(11)
[6]滑坡灾害空间预测支持向量机模型及其应用[J]. 戴福初,姚鑫,谭国焕. 地学前缘. 2007(06)
[7]灰色理论在图像工程中的应用研究进展[J]. 马苗,田红鹏,张艳宁. 中国图象图形学报. 2007(11)
[8]基于支持向量机与遗传算法的灰熔点预测[J]. 王春林,周昊,李国能,邱坤赞,岑可法. 中国电机工程学报. 2007(08)
[9]城镇居民生活用电需求预测模型[J]. 宋炜,顾阿伦,吴宗鑫. 中国电力. 2006(09)
[10]基于灰色关联分析的矿井通风系统优化评判[J]. 曾宪禄. 矿业工程. 2005(05)
硕士论文
[1]基于粒子群思想改进支持向量机优化算法的研究[D]. 冯一博.哈尔滨理工大学 2013
[2]基于数据挖掘方法的居民生活用电负荷预测研究[D]. 焦艳燕.华北电力大学（北京） 2009
本文编号：3123859
本文链接：https://www.wllwen.com/guanlilunwen/shengchanguanlilunwen/3123859.html
