大工业用户用电最大需量影响因素分析与预测模型研究

发布时间：2020-05-28 11:46

【摘要】：对于变压器容量大于等于315kVA的大工业用户来说,其基本电费有两种计算方式,分别是按变压器容量和按最大需量。变压器容量是固定且可知的,但作为特殊电力负荷特性的最大需量却是未知的,需要根据历史信息进行预测,这就为用户选择经济的计费方式增加了难度,从而有可能造成用电成本的增加。所以,设计预测准确、智能的能源管理与预测系统是十分必要的。此外,电能的特点在于不能大量存储,为确保其生产、输送、分配、消费等环节的稳定运行,对精确快速的电力负荷特性预测技术的研究显得尤为重要。电力负荷特性受到多种因素的影响,综合考虑各影响因素的影响有利于预测精度的提高。本文对大工业用户在电力负荷特性预测工作中存在的最大需量特性、主要影响因素选取以及高精度预测模型构建等核心问题做了重点研究。首先,详细阐述了影响因素分析方法和预测方法在国内外的研究现状,介绍了现有影响因素分析方法、电力负荷预测方法及其优缺点,并采用现有影响因素分析方法对电力负荷特性影响因素进行了深入分析,提出了基于PCA-WGRA(Principal Component analysis-Weighted Grey Relational Analysis)的组合分析方法,既降低了影响因素指标过多时的复杂度,又考虑了时间的影响,对每一个关联度系数进行加权处理,得到各影响因素与电力负荷特性间的加权关联度值,从而确定主要影响因素。然后,利用目前通用的电力负荷特性预测单变量模型,对电力负荷特性本身进行了初步预测,并为了改善预测效果,提高预测精度,在影响因素分析的基础上研究了传统灰色预测理论,针对其对原始数据要求高、模型参数固定等缺陷,结合最大需量预测的特点,提出了一种基于PCA-WGRA的改进指数平滑灰色预测方法。通过MATLAB仿真和数据测试证明该方法能够正确分析影响因素,并在此基础上实时、精确地预测电力负荷特性,扩大了传统灰色预测模型的应用范围,使其不再局限于变化规律性强的数据预测。最后,在算法研究的基础上,搭建了基于C/S架构的智能能源管理与预测系统。该系统由影响因素分析、最大需量预测、信息查询、服务器、后台管理、数据管理等模块组成,充分考虑了大工业用户的用电特性,实现了适合大工业用户用电的电力负荷特性预测及其主要影响因素确定。通过应用验证,本系统可以实现能源管理功能和影响因素的定量分析,从而快速、精准地预测最大需量这一电力负荷特性。
【图文】：

界面图,影响因素分析,界面

在该软件的菜单操作中选择分析与预测下的因素分析功能，首先在数据库中提取影响因素数据，然后点击分析按钮，就可以得到影响因素分析结果如图 5.1 所示。图5.1 影响因素分析结果展示界面从上图 5.1 中加权关联度大小排序可以看出，9x 对电力负荷特性的影响作用最强，8x 对电力负荷特性的影响作用最弱，所以确定为主要影响因素，此结论与第二章分析结果一致，说明该组合分析算法在系统软件中应用效果良好，分析结果正确，可用于解决实际分析问题。

界面图,电力负荷,预测结果,特性

显示实际值与预测值曲线；点击误差分析按钮，即可显示实际值和预测值的误差情况。具体预测信息如图 5.2 所示。图5.2 电力负荷特性预测结果展示界面从图 5.2 中可以看出，电力负荷特性预测界面大致分为三部分，左侧部分特性预测一栏依次为序号 1~10 对应的预测结果，右侧部分给出了预测结果及相应实际值的曲线图，最下方显示了实际值与预测值的误差。电力负荷特性预测界面三部分结果均表明改进指数平滑灰色预测模型在该系统软件中运行可靠，预测结果正确无误，且与第三章所得结论一致。5.3 软件其他具体功能实现及其界面介绍为确保智能能源管理与预测系统软件能够安全稳定运行，，除了影响因素分析与电力负荷特性预测这两大核心操作之外，还需要一些其他重要操作，以帮助用户更好地体验该系统软件所带来的快捷与方便。5.3.1 软件主界面正确登录智能能源管理与预测系统后，首先看到的是如图 5.3 所示的主界面。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM715

【参考文献】