城市电网规划辅助决策系统负荷预测子系统的开发和改进

城市电网规划辅助决策系统负荷预测子系统的开发和改进

论文摘要

负荷预测是城市电网规划的基础。本文以天津大学城市电网规划辅助决策系统CNP4.0中负荷预测子系统为基础,对现有负荷预测方法进行了一系列的开发和完善:首先,提出了基于生长曲线的城市电力负荷饱和特性分析与预测方法。采用生长曲线模型对城市电网电力负荷进行逼近,得出了城网负荷的饱和值、饱和年份、负荷增长最快年份以及当前负荷发展水平等一系列信息。通过对多种生长曲线模型及其参数求解的对比得出了四参数模型是最为适合电力负荷饱和分析的生长曲线模型的结论。其次,针对月度负荷的特殊变化规律提出了基于小波分析-灰色模型-神经网络的综合预测方法(WGG法)。WGG法通过对月度负荷序列的小波分解分离出长期发展趋势分量和周期分量,针对各分量不同特点分别采用了灰色模型和神经网络模型进行预测。算例表明,该方法通过对电力负荷中长期增长趋势和季节型增长趋势的综合考虑很好地预测了月度负荷的发展。再次,在分析总结现有空间负荷预测方法基础上,针对现有空间负荷预测方法过程复杂、自动化程度较低等缺点,建立了一种实用的基于馈线的空间负荷预测方法。该方法按照供电区域划分分区,以馈线为基本单位,通过对负荷的正常发展趋势项和特殊事件项(如停运、新增报装)发展规律的分析,预测目标年的馈线负荷,并从下到上叠加得到变电站和各级供电区域的负荷,从而完成最终的预测过程。此外还讨论了改进的馈线负荷预测模型并分析了各模型的特点,初步得出了不同模型的适用场合。最后,在CNP4.0负荷预测子系统功能基础上,对上述三个算法进行了功能和界面设计,分析了各算法的接口和数据库,将本文开发的算法整合到负荷预测子系统中,完善了该系统的功能。新系统的功能在实际规划项目中得到了使用,表现出很好的性能。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 电力负荷预测的研究现状
  • 1.1.1 负荷预测的定义和分类
  • 1.1.2 负荷预测方法概述
  • 1.2 负荷预测软件的研发
  • 1.3 本文工作背景与研究现状
  • 1.3.1 城市电力负荷饱和特性分析研究背景与现状
  • 1.3.2 月度负荷预测研究背景与现状
  • 1.3.3 空间负荷预测研究背景与现状
  • 1.4 本文工作及结构
  • 1.4.1 本文工作
  • 1.4.2 本文结构
  • 第二章 城市电力负荷饱和分析方法
  • 2.1 引言
  • 2.2 城市负荷饱和分析
  • 2.2.1 城市饱和负荷的概念及特征
  • 2.2.2 城市饱和负荷预测方法
  • 2.2.3 城市饱和负荷预测意义
  • 2.3 生长曲线模型及参数识别
  • 2.3.1 生长曲线模型
  • 2.3.2 参数识别
  • 2.4 算例分析
  • 2.5 小结
  • 第三章 月度负荷预测方法
  • 3.1 引言
  • 3.2 月度负荷预测研究现状
  • 3.3 改进的小波-GM-GRNN 预测方法
  • 3.3.1 理论基础
  • 3.3.2 算法流程
  • 3.4 算例分析
  • 3.5 小结
  • 第四章 基于馈线的空间负荷预测方法
  • 4.1 研究现状
  • 4.2 基于馈线的空间负荷预测方法
  • 4.2.1 馈线负荷预测方法
  • 4.2.2 负荷的叠加方法
  • 4.2.3 馈线负荷预测结果的空间分布
  • 4.3 算法实现
  • 4.3.1 实现流程
  • 4.3.2 接口及数据库设计
  • 4.4 算例分析
  • 4.5 小结
  • 第五章 CNP4.0 负荷预测子系统的改进
  • 5.1 CNP4.0 负荷预测子系统简介
  • 5.2 城市电力负荷饱和分析算法接入系统
  • 5.2.1 功能设计
  • 5.2.2 界面设计
  • 5.2.3 接口和数据库设计
  • 5.2.4 实现特点
  • 5.3 WGG 月度负荷预测算法接入系统
  • 5.3.1 功能设计
  • 5.3.2 界面设计
  • 5.3.3 接口和数据库设计
  • 5.3.4 实现特点
  • 5.4 基于馈线的空间负荷预测算法接入系统
  • 5.4.1 功能设计
  • 5.4.2 界面设计
  • 5.4.3 接口和数据库设计
  • 5.4.4 实现特点
  • 5.5 小结
  • 第六章 总结与展望
  • 6.1 本文总结
  • 6.2 下一步工作展望
  • 参考文献
  • 发表论文和参加科研情况说明
  • 附录 第三章算例原始数据
  • 致谢
  • 相关论文文献

    • [1].采用联系数与蒙特卡洛模拟的规模化电动汽车充电负荷预测[J]. 电器与能效管理技术 2019(20)
    • [2].基于自适应卡尔曼滤波在气象影响下负荷预测[J]. 计算机测量与控制 2020(01)
    • [3].含分布式电源的智能电网负荷预测研究[J]. 国外电子测量技术 2020(02)
    • [4].基于力控上位机软件热网负荷预测[J]. 数字技术与应用 2020(01)
    • [5].基于多气象因素混合回归的重庆地区夏季日最高负荷预测[J]. 水电能源科学 2020(04)
    • [6].空间负荷预测在某县城核心区负荷预测的应用[J]. 电子技术与软件工程 2019(15)
    • [7].配电网规划中负荷预测实际问题及措施[J]. 通讯世界 2017(22)
    • [8].基于分布式图计算的台区负荷预测技术研究[J]. 中国电机工程学报 2018(12)
    • [9].电力用户侧大数据分析与并行负荷预测研究[J]. 自动化应用 2016(11)
    • [10].电力检修中负荷预测技术的发展现状研究[J]. 民营科技 2016(12)
    • [11].基于电力载波通信的居民用电负荷预测大数据应用[J]. 科技创新与应用 2017(04)
    • [12].基于贪婪算法的配电网网格负荷预测与规划方法[J]. 计算机工程 2016(11)
    • [13].负荷预测在煤改电工程的应用分析[J]. 电气时代 2017(05)
    • [14].组合预测在饱和负荷预测中的应用[J]. 电力与能源 2017(02)
    • [15].基于区域负荷预测值综合评价的大电网短期负荷预测[J]. 电气应用 2017(11)
    • [16].空间负荷预测中确定元胞负荷合理最大值的主成分分析法[J]. 电测与仪表 2017(14)
    • [17].多级负荷预测协调的母线负荷预测系统[J]. 云南电力技术 2017(03)
    • [18].饱和负荷预测方法研究综述[J]. 山东工业技术 2017(23)
    • [19].配电网空间负荷预测方法的应用研究[J]. 城市建设理论研究(电子版) 2017(22)
    • [20].广西来宾供电局:负荷预测“扬眉吐气”[J]. 广西电业 2015(08)
    • [21].负荷预测精准度对电力系统经济运行的影响[J]. 电子测试 2016(03)
    • [22].基于灰色模型的电力系统长期负荷预测优化研究[J]. 黑龙江科学 2020(14)
    • [23].考虑光伏出力与电动汽车接入的配电网空间负荷预测[J]. 电子设计工程 2020(15)
    • [24].在线学习神经网络用于空调负荷预测研究[J]. 建筑热能通风空调 2020(08)
    • [25].机理计算与机器学习结合的空调负荷预测[J]. 江苏建筑 2020(04)
    • [26].云南电网综合负荷预测平台升级后的功能及应用[J]. 云南电力技术 2018(06)
    • [27].基于土地使用性质的饱和空间负荷预测研究[J]. 广东电力 2019(08)
    • [28].基于多代理系统理论的空间负荷预测——空间负荷预测实例[J]. 科技创新导报 2018(01)
    • [29].基于空间负荷预测的临夏城网远期饱和负荷预测方法研究[J]. 电工技术 2018(11)
    • [30].基于支持向量机的某地区电网短期电力负荷预测[J]. 电网与清洁能源 2016(12)

    标签:;  ;  ;  ;  ;  

    城市电网规划辅助决策系统负荷预测子系统的开发和改进
    下载Doc文档

    猜你喜欢