【摘 要】
：
本文在探讨了电力系统负荷的组成、特点,并分析比较了常用的预测方法的优缺点的基础之上,首先运用单一预测方法对中长期负荷进行预测和分析,然后提出多种非线性方法组合的方法,最后采用灰色预测法与线性回归法相组合的方法建立了中长期负荷预测模型.在提出预测模型的基础之上,对某地区进行了中长期电力负荷预测,验证了这两种组合负荷预测模型的可行性和正确性.
【机 构】
：
上海电力学院电气与自动化工程学院,上海,200090
【出 处】
：
中国高等学校电力系统及其自动化专业第二十六届学术年会暨中国电机工程学会电力系统专业委员会2010年年会
论文部分内容阅读
本文在探讨了电力系统负荷的组成、特点,并分析比较了常用的预测方法的优缺点的基础之上,首先运用单一预测方法对中长期负荷进行预测和分析,然后提出多种非线性方法组合的方法,最后采用灰色预测法与线性回归法相组合的方法建立了中长期负荷预测模型.在提出预测模型的基础之上,对某地区进行了中长期电力负荷预测,验证了这两种组合负荷预测模型的可行性和正确性.
其他文献
大规模并网风电场是目前中国风电开发的主要方式.在仿真研究中,普遍将大型风电场简化为等值模型进行并网分析.现有的等值方法仅考虑了风电场外特性对等值模型的影响,忽略了风电场内部机组之间和风电场与并网近区系统之间的耦合关系.本文针对风电场不同开机方式、不同单机出力对系统特性的影响进行深入分析,找到了描述风电并网对系统冲击最严重的风电场运行工况,提出基于运行工况的风电场简化等值方法,并通过等值算例验证了该
针对光伏电池输出的非线性特性,将神经网络方法应用在最大功率点跟踪控制问题上,能够根据外界环境变化,对光电阵列最大功率输出点进行及时的识别、跟踪和控制,避免了传统控制方法在最大功率点附近剧烈震荡的现象.仿真结果表明,BP神经网络能快捷、准确的跟踪光伏阵列的最大功率点.
热电联产具有高效利用能源的优越性,我国电力行业对热电联产的发展日益重视.然而热电联产快速发展的同时也伴随着一些问题,一方面,热电厂"以热定电"的一贯运行方式与机组的合理调峰之间存在一定矛盾,电网峰谷差的日益加大要求热电厂积极主动参与调峰;另一方面,自哥本哈根会议后,"低碳"与"节能"的概念深入各行各业,对于电力行业,节能减排尤为重要.本文同时从调峰与节能两个角度研究热电厂的运行方式,以运用广泛的一
低碳经济为我国电力市场环境下的节能发电调度提出了新的挑战,结合我国火电机组大多为燃煤机组的国情,考虑电力市场实行后,调度中心无法直接从发电机组获得机组煤耗函数的具体情况,提出了一种兼顾节能减排和竞价的中长期合约交易新模型.由于CO2排放水平具有双重意义,它既是排放量指标,又是能耗指标,故该模型根据机组CO2排放参数计算出平均单位电能CO2排放量,以各机组的单位电能CO2排放量与此平均值的比值作为修
风力发电有能量密度低、随机性、不稳定和分布不均匀的缺点.随着风力发电技术的不断进步、风电场规模的不断扩大,风电装机容量在系统中的比例也越来越高,对电网的影响范围也逐渐扩大,风电功率波动性对电网的稳定性、电网频率、电网电压、继电保护的影响也日益的突出.本文提出一种能有效抑制风电功率波动性的控制方法,仿真结果表明,采用这种有功协调控制方法,有效的降低了风电场的功率波动,降低了风电的功率波动性对电网的影
本文简单分析了目前电力系统专业教学中实验课和课程设计的情况,提出把成熟的商用电力系统实用分析软件ETAP应用到电力系统专业课程设计和综合实验课中的必要性.论文介绍了上海电力学院应用ETAP软件进行电力系统模拟分析的成果和经验.
针对电力企业现场作业安全管理模式落后,企业预见事故的水平和超前控制事故的能力仍不尽如人意,引入层次分析法--AHP对现场作业中危险点进行分析,对风险进行定量评估,做到事前可控预控.层次分析法是一种定性定量相结合的方法,通过建立层次结构模型,然后计算、校验,最终对每一次现场作业做一个科学分析,从而将潜在的危险预防在作业前.最后通过一个具体的案例,验证方法的可行性和科性.
针对电力系统负荷统计特性,本文运用层次分析法建立优选模型对年最大负荷及年最大负荷增长量进行分析和评价,并对利用优选模型计算得到的预测值、GDP及三次产业用电量所占比重进行主成分分析,根据贡献率对相关影响因素进行排序与比较,确定径向基神经网络的输入,进而建立预测模型。通过对某实际电网负荷数据的计算和分析,结果表明本文提出的预测模型具有较高的精度,实用性较好。
云计算是一种新兴的计算模型,是网格计算发展的结果.它利用非本地或远程服务器集群为用户提供服务,使用户可以将资源切换到需要的应用上,根据需要来访问计算机和存储系统.本文介绍了云计算的相关概念和原理结构,阐述了云计算运用于电力公司信息网络的可行性和经济性.最后,给出一个面向多用户、基于服务、动态的电力公司内部信息网络的实现框图.
电力系统负荷变化受多方面因素的影响,因此负荷曲线呈现出强烈的非线性.为实现非线性的电力负荷在线预测,应用递推更新的样本数据集训练泛回归神经网络,构成动态泛回归神经网络.该动态神经网络训练方便快捷,能够满足在线预测的实时性的要求.仿真表明预测值较观测值有一定滞后,但均能尾随观测值而变化,达到了预期的目的.