基于人工智能的秦皇岛电网夏季电力日负荷预测
发布时间：2020-12-10 17:28
电能是一种广泛使用的能源形式,随着“两个替代”(在能源的开发上实现清洁替代,在能源的利用上实现电能替代)的不断推进,电能将在能源安全中扮演更重要的角色。电能以光速传播,在大规模储电技术得以突破前,电力的发、输、变、配和用五个环节必须实时平衡,其中用电环节即电力负荷是其他四个环节调整出力的依据。在现有电网规模下,电网对负荷的承载能力是一个定值,电力负荷是一个跟随时间序列的变值。当高峰负荷超过电网承载能力时,电网调度部门就必须采取错避峰和停限电措施。在缺乏负荷预测数据的支持下,这种措施往往是紧急的,被限制用电的电力用户一般来不及做出妥善的应对,往往造成较大的经济损失。因此对电力负荷高峰的准确预测具有很强的实际意义。本文阐述了电力日负荷预测的研究背景及意义,并对国内外关于电力日负荷预测的各种方法进行总结。对秦皇岛电网的运行情况、总体负荷曲线特征和典型分类负荷曲线特征进行了详细分析,并对电力负荷的影响因素进行了详细分析。气象要素是影响电力负荷的重要因素,夏季的秦皇岛电网负荷具有很强的气象敏感性。在夏季,气象因素最终是通过影响人体舒适度来影响电力负荷,因此可以用人体舒适度指数来替代温度、湿度和风...
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
图２－２工业负荷构成情况??
口金融、戾地产、商务及居民服务业??■公共事业及钤砰绀织??图２－１全地Ｋ?ｆｔ荷结构构成??表２－１?２０１６年秦皇岛市行业用电比例??全社会＇?Ｗ］电??ｎ?
图２－６所示足秦皇岛－？家钢铁企业的円用电负荷丨ｉｌｌ线，该钢铁企业２４??小时连续生产，其用电负荷较大且保持平稳，在３万千］＞１：丨．卜波动，负荷曲??线的波动幅度在１０％左右，而从２．２．３可知秦皇岛日负荷曲线的波动幅度一??般在３?０％左冇，由此ｎｊ＇见，５班制连续生产负荷的波动幅度远远小于地Ｋ负??荷曲线。??这些三班制连续生产负荷往往是－？些重工业负荷，闪其用屯Ｗ大，而构??成了地丨Ｘ：负荷的基荷，是地区负荷中最稳定的部分。尽管其在日负荷曲线水??平波动幅度＋人，但由Ｔ?Ｋ？受政策和经济人环境影响较人，当Ｋ－停减产或者??增大产能时，其对整体负份的降低和增长冇关键作川，例如２０１４年因经济??形式不好和节能减排的影响，ｉｆｉ：丨：业发展受拽导致该年泰皇岛负荷进入２１??世纪来凸次出现负增长。又如，２０１７年随着供给侧改革的推进，煤炭、钢铁??价格丨叫升，地ｌｘ：重丨：业企业幵足３力生产导致秦呈岛地Ｋ负荷出现快速反??弹，地区最大负荷创出历史新高。??这部分负荷被成为地区负荷的基荷，其数值大，波动小。秦皐岛是？个??重工业比重较低的城市，这部分接荷的比重ｔｉｌ较小，闪此地丨Ｘ：负荷表现出较??
【参考文献】：
期刊论文
[1]基于支持向量机的短期风速预测研究综述[J]. 杨茂,陈新鑫,张强,李大勇,孙涌,贾云彭. 东北电力大学学报. 2017(04)
[2]基于改进人体舒适指数的微电网超短期负荷预测[J]. 樊唯钦,张伟,李勇钢,王家武. 广东电力. 2017(04)
[3]基于变量选择与高斯过程回归的短期负荷预测[J]. 梁智,孙国强,卫志农,臧海祥. 电力建设. 2017(02)
[4]基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J]. 杨锡运,关文渊,刘玉奇,肖运启. 中国电机工程学报. 2015(S1)
[5]基于综合气象指数和日期类型的电力系统负荷预测[J]. 王惠中,刘轲,周佳. 电网与清洁能源. 2015(09)
[6]基于初始条件优化的一种非等间距GM(1,1)建模方法[J]. 熊萍萍,党耀国,姚天祥. 控制与决策. 2015(11)
[7]基于舒适度的多变量混沌短期负荷预测[J]. 王磊,王秋莎,马中. 河北电力技术. 2015(02)
[8]基于人体舒适度指数的配电网短期负荷预测方法[J]. 张伟. 电力系统保护与控制. 2013(09)
[9]基于FHNN相似日聚类自适应权重的短期电力负荷组合预测[J]. 牛东晓,魏亚楠. 电力系统自动化. 2013(03)
[10]基于BP神经网络的空调负荷预测[J]. 陈文鼎,赵哲身. 节能技术. 2010(01)
博士论文
[1]基于生物行为机制的粒子群算法改进及应用[D]. 程军.华南理工大学 2014
硕士论文
[1]基于神经网络的风力发电功率预测优化算法研究[D]. 喻志程.江苏大学 2016
[2]基于改进粒子群算法的微电网优化调度[D]. 姚景昆.辽宁工业大学 2016
[3]包头地区电力负荷预测研究[D]. 孙波.华北电力大学 2015
[4]县级区域短期电力负荷预测研究[D]. 裴乐萍.华北电力大学 2014
[5]基于BP神经网络的电力系统短期负荷预测[D]. 赵娟娟.哈尔滨理工大学 2013
[6]基于神经网络的电力负荷预测方法研究及实现[D]. 代林.电子科技大学 2012
本文编号：2909086
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
图２－２工业负荷构成情况??
口金融、戾地产、商务及居民服务业??■公共事业及钤砰绀织??图２－１全地Ｋ?ｆｔ荷结构构成??表２－１?２０１６年秦皇岛市行业用电比例??全社会＇?Ｗ］电??ｎ?
图２－６所示足秦皇岛－？家钢铁企业的円用电负荷丨ｉｌｌ线，该钢铁企业２４??小时连续生产，其用电负荷较大且保持平稳，在３万千］＞１：丨．卜波动，负荷曲??线的波动幅度在１０％左右，而从２．２．３可知秦皇岛日负荷曲线的波动幅度一??般在３?０％左冇，由此ｎｊ＇见，５班制连续生产负荷的波动幅度远远小于地Ｋ负??荷曲线。??这些三班制连续生产负荷往往是－？些重工业负荷，闪其用屯Ｗ大，而构??成了地丨Ｘ：负荷的基荷，是地区负荷中最稳定的部分。尽管其在日负荷曲线水??平波动幅度＋人，但由Ｔ?Ｋ？受政策和经济人环境影响较人，当Ｋ－停减产或者??增大产能时，其对整体负份的降低和增长冇关键作川，例如２０１４年因经济??形式不好和节能减排的影响，ｉｆｉ：丨：业发展受拽导致该年泰皇岛负荷进入２１??世纪来凸次出现负增长。又如，２０１７年随着供给侧改革的推进，煤炭、钢铁??价格丨叫升，地ｌｘ：重丨：业企业幵足３力生产导致秦呈岛地Ｋ负荷出现快速反??弹，地区最大负荷创出历史新高。??这部分负荷被成为地区负荷的基荷，其数值大，波动小。秦皐岛是？个??重工业比重较低的城市，这部分接荷的比重ｔｉｌ较小，闪此地丨Ｘ：负荷表现出较??
【参考文献】：
期刊论文
[1]基于支持向量机的短期风速预测研究综述[J]. 杨茂,陈新鑫,张强,李大勇,孙涌,贾云彭. 东北电力大学学报. 2017(04)
[2]基于改进人体舒适指数的微电网超短期负荷预测[J]. 樊唯钦,张伟,李勇钢,王家武. 广东电力. 2017(04)
[3]基于变量选择与高斯过程回归的短期负荷预测[J]. 梁智,孙国强,卫志农,臧海祥. 电力建设. 2017(02)
[4]基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J]. 杨锡运,关文渊,刘玉奇,肖运启. 中国电机工程学报. 2015(S1)
[5]基于综合气象指数和日期类型的电力系统负荷预测[J]. 王惠中,刘轲,周佳. 电网与清洁能源. 2015(09)
[6]基于初始条件优化的一种非等间距GM(1,1)建模方法[J]. 熊萍萍,党耀国,姚天祥. 控制与决策. 2015(11)
[7]基于舒适度的多变量混沌短期负荷预测[J]. 王磊,王秋莎,马中. 河北电力技术. 2015(02)
[8]基于人体舒适度指数的配电网短期负荷预测方法[J]. 张伟. 电力系统保护与控制. 2013(09)
[9]基于FHNN相似日聚类自适应权重的短期电力负荷组合预测[J]. 牛东晓,魏亚楠. 电力系统自动化. 2013(03)
[10]基于BP神经网络的空调负荷预测[J]. 陈文鼎,赵哲身. 节能技术. 2010(01)
博士论文
[1]基于生物行为机制的粒子群算法改进及应用[D]. 程军.华南理工大学 2014
硕士论文
[1]基于神经网络的风力发电功率预测优化算法研究[D]. 喻志程.江苏大学 2016
[2]基于改进粒子群算法的微电网优化调度[D]. 姚景昆.辽宁工业大学 2016
[3]包头地区电力负荷预测研究[D]. 孙波.华北电力大学 2015
[4]县级区域短期电力负荷预测研究[D]. 裴乐萍.华北电力大学 2014
[5]基于BP神经网络的电力系统短期负荷预测[D]. 赵娟娟.哈尔滨理工大学 2013
[6]基于神经网络的电力负荷预测方法研究及实现[D]. 代林.电子科技大学 2012
本文编号：2909086
本文链接：https://www.wllwen.com/kejilunwen/rengongzhinen/2909086.html
