计及广义需求侧资源的电力系统短期负荷预测模型研究

发布时间：2020-04-02 00:16

【摘要】：需求侧管理是维持电力市场能源供需平衡的重要实现手段,因其在需求侧资源调度和配置等方面的独特优势以及在节能环保方面的突出贡献,成为了电力系统中广为推用的发电侧替代方案。在需求侧市场日益开放的环境下,某些具有调节和响应能力的电力用户将逐渐摆脱传统负荷刚性不变的身份,通过聚合机构的整合操作,以需求响应的形式参与到电力市场的活动中来。需求侧用户的广泛参与在有效缓解电网高峰负荷问题的同时,也会引起日负荷曲线的改变。本文研究的主要目的是关注广义需求侧资源的调度行为对日负荷曲线和短期负荷预测产生的影响,进一步寻找预测水平更优、适应性能更强的现代电力系统短期负荷预测的新技术或新方法。首先,本文介绍并阐释了智能电网下短期负荷预测技术的新内涵。结合电网智能化发展的背景,对当前短期负荷预测模型中存在的不适应性问题进行了详细分析,并针对其中存在的问题和不足之处给出了合理化的改进建议。然后,本文探讨了储能资源的调度行为对短期负荷预测产生的影响。针对基于电价和基于合同的两种储能调度运行控制策略,分别构造出与其相对应的储能充放电模型,并以负荷曲线的形式来描述储能的充放电行为。在改进后短期负荷预测模型的构建过程中融入了与储能调度行为相关的电价因素和合同因素,并采用Elman-NN进行短期负荷预测。通过实例仿真,对改进前后两种短期负荷预测模型的预测结果进行了对比分析,结果表明计及储能调度因素的短期负荷预测模型比传统的短期负荷预测模型表现出了更优的预测性能,这为研究广义需求侧资源的调度行为对短期负荷预测的影响提供了可靠依据。最后,为了进一步考虑多元需求响应因素对短期负荷预测产生的影响,本文根据实际电力市场机制下需求侧资源参与旋转备用市场的新模式,在储能单一资源调度模型的基础上进行了深度拓展,提出了一种能够通过电价合同实现的广义需求侧资源统筹调度新模型,该模型以负荷聚合商处各类需求侧资源的最高经济收益作为调度优化目标,并能够将调度结果以需求响应信号的形式提供给系统调度员加以利用。本文据此构建了计及广义需求侧资源的电力系统短期负荷预测模型,在改进后预测模型的输入量中新融入了需求响应因素。通过实例仿真,对计及与不计及广义需求侧资源的短期负荷预测模型的预测结果进行了对比分析,结果表明改进后的短期负荷预测模型的预测性能具有更显著的优越性,这为未来智能电网条件下短期负荷预测模型的完善和改进提供了理论支持。
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM715

【相似文献】

相关期刊论文 前10条

1 李家璐;何剑军;张坤;刘敬诚;吕勃翰;;应对海量数据的超短期负荷预测在实时电力市场的应用研究[J];电力大数据;2019年12期

2 郑建柏;;基于朴素贝叶斯和支持向量机的短期负荷预测[J];电力安全技术;2016年12期

3 连楷敏;陈冬沣;肖建华;;基于气象信息因素修正的灰色短期负荷预测研究[J];自动化应用;2016年12期

4 林佳亮;李暖群;黄庆键;;基于支持向量机方法的短期负荷预测研究[J];自动化应用;2016年12期

5 黎强;;分类管理方法在短期负荷预测工作中的应用[J];农村电工;2017年04期

6 樊唯钦;张伟;李勇钢;王家武;;基于改进人体舒适指数的微电网超短期负荷预测[J];广东电力;2017年04期

7 黄小耘;欧阳卫年;吴树鸿;李高明;金鑫;杨少将;;实时电价条件下的短期负荷预测研究[J];自动化与仪器仪表;2016年05期

8 张超;陈晓英;焦建立;潘超;司玮玮;;电力系统超短期负荷预测方法及应用[J];硅谷;2014年20期

9 李真;;基于云计算的扩展短期负荷预测方法的研究[J];科技视界;2014年36期

10 梁静;瞿博阳;宋慧;刘巍;;电业超短期负荷预测仿真研究[J];计算机仿真;2015年07期

相关会议论文 前10条

1 辛忠良;杨耀杰;陈垒;苗X;李峙;郭红梅;;基于决策树的短期负荷预测技术研究[A];第三届智能电网会议论文集[C];2018年

2 朱桂华;赖晓平;云昌钦;;在线短期负荷预测方法的研究与应用[A];1995年中国控制会议论文集（上）[C];1995年

3 高荣;刘晓华;;基于小波变换的支持向量机短期负荷预测[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

4 杜俊红;滕欢;滕福生;;在线超短期负荷预测的分析与应用研究[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

5 胡宏;顾斌;蔡冬阳;马晓东;车伟;顾杨青;;基于大数据的分布式短期负荷预测及其架构设计[A];2016智能电网发展研讨会论文集[C];2016年

6 胡松峰;彭显刚;;电网短期负荷预测方法综述[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

7 姚宇臻;;采用决策树技术的短期及超短期负荷预测软件在福建电网的运用[A];福建省科学技术协会第七届学术年会分会场——提高水力发电技术 促进海西经济建设研讨会论文集[C];2007年

8 张博海;何星;章渊;;基于循环神经网络的电网短期负荷预测研究[A];第37届中国控制会议论文集（F）[C];2018年

9 谭洪艳;郭继平;陈飞;;基于径向基网络的燃气短期负荷预测[A];中国土木工程学会城市燃气分会输配专业委员会2005年会议论文集[C];2005年

10 李娟;蔡磊;管延文;刘文斌;;基于BP-CSO的燃气短期负荷预测[A];中国燃气运营与安全研讨会（第十届）暨中国土木工程学会燃气分会2019年学术年会论文集（上册）[C];2019年

相关重要报纸文章 前4条

1 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年

2 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年

3 张树斌 范明;湖北电网中、短期负荷预测系统显神威[N];华中电力报;2001年

4 郭洪敏;重视清洁能源上网 呵护一方碧水蓝天[N];国家电网报;2009年

相关博士学位论文 前10条

1 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年

2 雷绍兰;基于电力负荷时间序列混沌特性的短期负荷预测方法研究[D];重庆大学;2005年

3 卢芸;短期电力负荷预测关键问题与方法的研究[D];沈阳工业大学;2007年

4 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年

5 王志勇;数据挖掘方法在短期负荷预测中的应用研究[D];浙江大学;2007年

6 吴宏晓;基于软计算方法的电力系统负荷预测[D];上海交通大学;2007年

7 郑永康;相空间重构与支持向量机结合的短期负荷预测研究[D];西南交通大学;2008年

8 苏庆新;区域电力系统超短期负荷预测及网络建模分析[D];东华大学;2008年

9 郎坤;电力系统短期负荷预测及经济调度决策优化研究[D];大连理工大学;2016年

10 张国江;软计算方法和数据挖掘理论在电力系统负荷预测中的应用[D];浙江大学;2002年

相关硕士学位论文 前10条

1 杨云莹;基于模糊膜聚类的短期负荷预测和光伏发电预测[D];西华大学;2019年

2 熊晖;基于RBF神经网络与粒子滤波算法的用户电力短期负荷预测及其系统实现[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年

3 潘可达;基于负荷模式提取的短期负荷预测[D];广东工业大学;2019年

4 毕云帆;基于梯度提升决策树的电力系统短期负荷预测研究[D];青岛大学;2019年

5 陈丽娜;计及广义需求侧资源的电力系统短期负荷预测模型研究[D];青岛大学;2019年

6 王振宇;智能电网中基于深度学习的用户短期负荷预测研究[D];南京邮电大学;2019年

7 席雅雯;融合历史数据和实时影响因素的精细化短期负荷预测[D];北京交通大学;2019年

8 张然然;非正常工况下火电机组短期负荷预测技术研究[D];华北电力大学;2019年

9 Desi Purwati;基于长短期记忆的短期负荷预测研究[D];华北电力大学(北京);2019年

10 孙海鹤;微电网短期负荷预测及优化调度研究[D];华北理工大学;2019年

，

本文编号：2611163