当前位置:主页 > 科技论文 > 电力论文 >

考虑需求响应的负荷特性分析及其短期预测方法研究

发布时间:2017-08-04 06:07

  本文关键词:考虑需求响应的负荷特性分析及其短期预测方法研究


  更多相关文章: 智能电网 需求响应 负荷特性分析 电力需求价格弹性矩阵 短期负荷预测 分层协调


【摘要】:需求响应是电力需求侧在竞争电力市场中的发展结果,同时也是智能电网的重要组成部分,近几年越来越受到重视。随着需求响应在不同国家和地区广泛实践和应用以及智能电网下海量信息的获取变得更加容易,它们对作为电力市场分析及进行负荷管理的前提和基础的负荷特性分析及其短期预测也提出了新的要求,指出了新的研究重点。本文在对需求响应系统总结分析的基础上,考虑智能电网下需求响应及海量负荷信息对负荷特性分析及短期负荷预测的要求,在电力用户负荷形态分析、峰谷分时电价下用户需求响应建模及短期负荷预测方面进行了探索研究。负荷形态分析作为对海量负荷信息的处理手段,目前存在方法粗糙,对负荷曲线聚类数目往往需要根据经验预先设定等不足。本文在对聚类算法及有效性指标的研究基础上,实现了对行业典型负荷曲线的有效提取。本文利用模糊C均值算法进行负荷曲线聚类,有效性指标实现对大量负荷曲线聚类数目的判别及聚类效果的评价,为进行进一步的负荷特性分析提供了基础。某些用户负荷特性受电价影响较大,因此有必要对用户在峰谷分时电价下需求响应模型进行研究。本文针对用户在不同峰(平或谷)时段内对电价响应行为的差异性,提出了负荷转移调整系数这一概念,提高了现有模型的仿真精度。建立了基于消费者心理学的需求响应模型与电力需求价格弹性矩阵之间的数学关系,在此基础上提出了一种新的电力需求价格弹性矩阵的获取及实时修正方法,这种方法对数据量要求较低,回避了用户响应的死区及饱和区对矩阵准确性的影响。在以上研究基础上,能够实现对不同电价下用户负荷曲线的预测。在研究短期负荷预测模型时,本文采用负荷形态分析算法思想对历史日中的相似日进行有效选取,并对小波分解后子序列分别采用ARIMA模型及神经网络模型进行预测。为了提高对不同量级负荷的短期预测精度,本文提出了短期负荷预测的分层协调方法。即在对总负荷及组成总负荷的各子负荷历史预测精度分析的基础上,分配总负荷及各子负荷预测结果可信度权重。再利用状态估计思想,对总负荷及各子负荷的预测结果进行相互间误差协调,以提高总体及各子负荷的预测精度。
【关键词】:智能电网 需求响应 负荷特性分析 电力需求价格弹性矩阵 短期负荷预测 分层协调
【学位授予单位】:华北电力大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TM715
【目录】:
  • 摘要5-6
  • Abstract6-10
  • 第1章 绪论10-17
  • 1.1 研究背景及意义10-11
  • 1.2 国内外研究现状11-15
  • 1.2.1 负荷特性分析研究现状11-12
  • 1.2.2 短期负荷预测研究现状12-15
  • 1.3 本文的主要工作15-17
  • 第2章 需求响应下负荷形态分析研究17-29
  • 2.1 引言17
  • 2.2 需求响应17-22
  • 2.2.1 需求响应分类17-19
  • 2.2.2 峰谷分时电价下的电力需求价格弹性19-22
  • 2.3 基于模糊聚类的负荷形态分析22-26
  • 2.3.1 模糊C均值聚类算法22-24
  • 2.3.2 聚类有效性指标描述24-26
  • 2.4 算例与分析26-28
  • 2.5 小结28-29
  • 第3章 分时电价下用户需求响应特性建模研究29-41
  • 3.1 引言29-30
  • 3.2 基于黑箱原理的需求响应模型30-32
  • 3.2.1 基于消费者心理学的需求响应分析方法30-31
  • 3.2.2 负荷转移调整系数的引入31-32
  • 3.3 基于消费者心理学模型的价格弹性系数矩阵32-34
  • 3.4 基于消费者心理学的电力需求价格弹性矩阵的获取流程34-35
  • 3.5 变动分时电价下负荷曲线预测35-36
  • 3.6 算例与分析36-40
  • 3.6.1 数据描述36-37
  • 3.6.2 结果和讨论37-40
  • 3.7 小结40-41
  • 第4章 适用于需求响应的短期负荷预测方法研究41-53
  • 4.1 引言41-42
  • 4.2 组合预测方法及原理42-46
  • 4.2.1 相似日选择42
  • 4.2.2 小波分解42-44
  • 4.2.3 ARIMA模型44-45
  • 4.2.4 BP神经网络45-46
  • 4.3 不同层次负荷预测结果的协调46-48
  • 4.4 算例与分析48-52
  • 4.4.1 利用组合预测模型进行负荷预测48-51
  • 4.4.2 负荷预测结果的分层协调51-52
  • 4.5 小结52-53
  • 第5章 结论与展望53-55
  • 参考文献55-61
  • 攻读硕士学位期间发表的论文及其它成果61-62
  • 攻读硕士学位期间参加的科研工作62-63
  • 致谢63

【参考文献】

中国期刊全文数据库 前10条

1 陶小马;周雯;;电力需求响应的研究进展及文献述评[J];北京理工大学学报(社会科学版);2014年01期

2 高赐威;梁甜甜;李扬;;自动需求响应的理论与实践综述[J];电网技术;2014年02期

3 刘继东;韩学山;韩伟吉;张利;;分时电价下用户响应行为的模型与算法[J];电网技术;2013年10期

4 杜翼;方鸽飞;王玉芬;;考虑气象信息的短期负荷预测[J];华东电力;2013年05期

5 张伟;;基于人体舒适度指数的配电网短期负荷预测方法[J];电力系统保护与控制;2013年09期

6 阮文骏;刘莎;李扬;;美国需求响应综述[J];电力需求侧管理;2013年02期

7 焦润海;苏辰隽;林碧英;莫瑞芳;;基于气象信息因素修正的灰色短期负荷预测模型[J];电网技术;2013年03期

8 张群洪;;基于集成智能方法的电力短期负荷预测[J];系统工程理论与实践;2013年02期

9 李嘉龙;李小燕;刘思捷;文福拴;郭文涛;;考虑气温累积效应的短期负荷预测[J];华北电力大学学报(自然科学版);2013年01期

10 张平;潘学萍;薛文超;;基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测[J];电力自动化设备;2012年11期

中国硕士学位论文全文数据库 前7条

1 贺鹏;基于SM/AMI的用户主动需求响应研究[D];华北电力大学;2013年

2 黄宇腾;负荷形态分析与负荷管理优化研究[D];浙江大学;2013年

3 杨顺帆;城镇电力负荷特性分析与预测技术研究[D];华南理工大学;2012年

4 程义明;地区电网负荷特性分析及其应用研究[D];湖南大学;2012年

5 翟娜娜;基于用户需求响应的峰谷时段划分研究[D];华北电力大学(北京);2011年

6 张芳明;电力市场环境下的电力系统扩展短期负荷预测研究[D];湖南大学;2009年

7 秦祯芳;零售市场中电量电价弹性系数分析[D];天津大学;2004年



本文编号:618018

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlilw/618018.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户f487b***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com