系统动力学在社会经济与用电趋势的关联分析研究

被引:0
作者
李悦
机构
[1] 北京交通大学
关键词
系统动力学; 社会经济指标; 用电量; 关联分析; 预测模型; 仿真;
D O I
暂无
年度学位
2014
学位类型
硕士
导师
摘要
电力负荷是电力系统中能量的消耗者,是电力系统的服务对象,正确地分析电力负荷的变化对电力系统的设计、分析与控制都具有重要意义。而电力系统负荷的中长期变化是受到社会经济、政策等多方面不确定因素综合影响的一个动态过程,选择合适的方法对电力系统负荷进行相对准确的预测对电力系统规划、电力产业发展乃至地区经济进步都具有重要意义。 首先,在过去常用的负荷预测方法中,通常是将对全社会用电需求情况以及各个产业的用电需求情况单独分开进行分析,而忽略了它们之间的联系。所以,本文提出使用系统动力学的方法来进行社会经济与用电趋势的关联分析。使用系统动力学方法来分析社会经济与用电趋势间的关联关系,可以更好地反映各个经济因素与全社会及各产业用电量间“牵一发而动全身”的动态关联关系,当模型中某个变量发生变化时,模型可以及时作出反应,使得其他变量一起随之进行相应的变化,这样可以更好地实现各个产业用电变化间的均衡。 其次,本文以系统动力学为理论基础,并且在充分考虑全社会以及各个产业经济变量与其用电需求变化间相互关系的基础上,使用系统动力学软件——Vensim PLE对全社会及各个产业均建立经济变量与用电需求变化间的关联模型,模型在考虑每个产业用电变化特点的同时也体现出了各个产业间紧密的联系。 再次,本文以我国西部某欠发达省份A省作为研究对象,在充分了解该省社会经济及用电需求历史发展规律及现状的前提下,使用系统动力学方法对其建立了社会经济与用电趋势的关联分析模型,并使用回归算法对模型中参数进行估计,从而得出该省2014年~2020年社会经济及用电需求的预测值,并由预测数据来对其未来发展趋势作出分析。 最后,本文将预测结果与该省发展现状及未来发展规划进行对比分析,得出该省在2020年达到规划要求是可能的以及所建立模型预测准确的结论,这说明系统动力学应用于社会经济与用电趋势关联分析的分析结果准确并且具有较好系统均衡性。
引用
收藏
页数:87
共 54 条
[1]
Short-term forecasting of Jordanian electricity demand using particle swarm optimization.[J].Mohammed El-Telbany;Fawwaz El-Karmi.Electric Power Systems Research.2007, 3
[2]
The impact of vendor managed inventory on transport operations [J].
Disney, SM ;
Potter, AT ;
Gardner, BM .
TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW, 2003, 39 (05) :363-380
[3]
Operational and financial effectiveness of e-collaboration tools in supply chain integration.[J].Adolfo Crespo Marquez;Carmine Bianchi;Jatinder N.D. Gupta.European Journal of Operational Research.2003, 2
[4]
Short-term load forecasting based on artificial neural networks parallel implementation [J].
Kalaitzakis, K ;
Stavrakakis, GS ;
Anagnostakis, EM .
ELECTRIC POWER SYSTEMS RESEARCH, 2002, 63 (03) :185-196
[5]
中国电力消费与经济增长关系的实证研究 [J].
牛东晓 ;
嵇灵 ;
劳咏昶 ;
路妍 .
统计与决策, 2013, (02) :140-142
[6]
上海地区居民用电的影响因素和需求预测模型 [J].
沈勇 ;
杨荥 ;
俞国勤 ;
刘隽 ;
臧建彬 ;
王亚伟 .
华东电力, 2012, 40 (10) :1763-1766
[7]
用时间序列法进行电力系统短期负荷预测 [J].
彭生刚 ;
李吉德 .
山东电力高等专科学校学报, 2012, 15 (04) :31-34
[8]
上海市2011~2020年全社会用电量的预测分析 [J].
张帆 .
企业导报, 2012, (12) :137
[9]
基于线性回归方法的我国电力市场短期用电需求预测分析 [J].
黄元生 ;
王玉玮 ;
盖姝 .
价值工程, 2011, 30 (31) :17-18
[10]
遗传算法与蚁群算法融合在电网规划中的应用 [J].
唐杰斌 ;
周渝慧 ;
陈向婷 ;
郭昱霄 ;
段炜 .
中国电业(技术版), 2011, (01) :5-9