区域综合能源系统供需预测研究

发布时间：2022-02-24 09:26

　　区域综合能源系统是包含电、热、冷等多种类型能源的体系,其一方面可以实现多种类型能源（电能、热能、冷能等）协调互补,实现不同能源的梯级利用,提高能源的使用效率,另一方面可以实现不同能源间的互联互通,扩大社会的用电需求,从而促进以光伏、风能为代表的可再生能源的消纳,一定程度上缓解“弃风”“弃光”的现象。区域综合能源系统的构建对于促进清洁能源转型,提高可再生能源的占比具有显著的意义。精确的能源需求预测是区域综合能源系统规划设计、运行设计和能量管理的必要前提,具有重要的实用价值。本论文以区域综合能源系统中的短期预测为目标,分为用能侧预测和供能侧预测。用能侧预测是指对含电、热、冷的多元负荷进行预测。首先,从月级、周级、小时级多个时间尺度对单一负荷及多元负荷间耦合关系进行详细分析。其次,通过K-MEANS算法对多元负荷的场景进行用能模式聚类,并提取典型日负荷曲线。引入COPULA理论对不同典型日下的电-热,电-冷相关性进行定量分析。然后,通过绘制电-热、电-冷在典型场景下的散点图,拟合出负荷间的函数关系,为高阶特征变量的提取提供了依据。最后,采用蝙蝠算法优化的极限学习机模型对不同的负荷进行预测,通... 

【文章来源】：西安科技大学陕西省

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及研究意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 区域综合能源系统研究现状
        1.2.2 区域综合能源系统多元负荷短期预测研究现状
        1.2.3 区域综合能源系统光伏发电功率短期预测研究现状
    1.3 本文的主要研究内容
2 区域综合能源系统多元负荷分析
    2.1 概述
    2.2 多时间尺度下单一负荷特性分析
        2.2.1 电负荷特性
        2.2.2 冷负荷特性
        2.2.3 热负荷特性
    2.3 多元负荷间耦合特性分析
        2.3.1 电-热负荷间耦合特性分析
        2.3.2 电-冷负荷间耦合特性分析
    2.4 多元负荷典型日分析
        2.4.1 电-热负荷典型日分析
        2.4.2 电-冷负荷典型日分析
    2.5 基于Copula理论的多元负荷相关性分析
    2.6 本章小结
3 多元负荷数据处理与预测流程
    3.1 概述
    3.2 数据的预处理
        3.2.1 异常数据的辨识和修正
        3.2.2 数据的归一化
    3.3 特征变量的选取
        3.3.1 热-电负荷函数关系拟合
        3.3.2 冷-电负荷函数关系拟合
    3.4 多元负荷预测步骤
    3.5 误差分析与评价指标
    3.6 本章小结
4 基于改进极限学习机模型的多元负荷短期功率预测
    4.1 概述
    4.2 预测模型基础理论
        4.2.1 极限学习机模型
        4.2.2 蝙蝠优化算法
    4.3 基于蝙蝠算法优化的极限学习机模型
    4.4 预测算例分析
        4.4.1 电负荷预测
        4.4.2 热负荷预测
        4.4.3 冷负荷预测
    4.5 本章小结
5 基于相似日和改进随机森林模型的供能侧光伏功率短期预测
    5.1 概述
    5.2 基于Copula理论的非线性相关性检验
    5.3 相似日的选取
    5.4 基于网格搜索法改进的随机森林模型
    5.5 光伏预测算例分析
        5.5.1 预测结果分析
        5.5.2 预测结果对比
    5.6 本章小结
6 结论与展望
致谢
参考文献
攻读学位期间发表论文和参加科研情况


【参考文献】：
期刊论文
[1]最大相关系数预测模型在热电厂短期热负荷预测中的应用[J]. 姜平,赵保国,石晶晶,张海伟,王琦,杨超杰.  电力学报. 2020(01)
[2]改进Elman神经网络在短期热负荷预测中的应用[J]. 王琦,杨超杰,李丽锋.  工业仪表与自动化装置. 2020(01)
[3]基于EEMD-GRU-MLR的短期电力负荷预测[J]. 邓带雨,李坚,张真源,滕予非,黄琦.  电网技术. 2020(02)
[4]基于改进MOPSO-BP算法的短期电力负荷预测研究[J]. 张静,石鑫.  电力学报. 2019(06)
[5]改进灰色预测模型在热电厂热负荷预测中的应用[J]. 胡世广,王琦.  电力学报. 2019(06)
[6]基于改进ARX模型的房间冷负荷预测[J]. 邰敏,李占培,刘廷章,金碧瑶,薛凡.  控制工程. 2019(12)
[7]基于注意力机制的CNN-GRU短期电力负荷预测方法[J]. 赵兵,王增平,纪维佳,高欣,李晓兵.  电网技术. 2019(12)
[8]基于IPSO-WNN的综合能源系统短期负荷预测[J]. 李守茂,戚嘉兴,白星振,葛磊蛟,李涛.  电测与仪表. 2020(09)
[9]基于改进BP神经网络的短期电力负荷预测方法研究[J]. 王克杰,张瑞.  电测与仪表. 2019(24)
[10]基于结合混沌纵横交叉的PSO-DBN的短期光伏功率预测[J]. 孙辉,冷建伟.  电测与仪表. 2020(06)



本文编号：3642442