大型城市电网负荷特性研究

被引:0
作者
康田园
机构
[1] 郑州大学
关键词
负荷特性分析; 影响因素; 熵权法; 灰色关联度; 负荷预测;
D O I
暂无
年度学位
2015
学位类型
硕士
导师
摘要
随着我国市场经济的持续发展以及城镇化的推进,大型城市人口及企业不断扩张,电力供需矛盾也在不断加剧,电网负荷特性也随之产生变化。同时影响电网负荷特性变化的因素有很多,如经济结构,工业结构,气温,电价以及社会因素等,存在着很大的随机性和不确定性。因此,对地区电网进行详细的负荷特性分析,把握影响负荷特性变化的主要因素,从而更有效准确的进行负荷特性预测,对于电力系统安全稳定运行以及电网规划建设有着重要的意义。本文首先讨论了电力系统负荷的组成和分类,负荷特性指标的划分,比较了各种常用的负荷特性指标分析方法。在此基础上以郑州电网为例,对大型城市负荷特性进行分析。文中结合电网规划,对包括郑州地区经济增长及电力需求情况、郑州电网年、月、日负荷特性情况以及分地区负荷在内的负荷特性进行了分析。然后进行负荷特性影响因素的研究。本文引入改进的灰色关联度理论,对影响郑州电网的各个影响因素进行定量排序。据此可得影响郑州电网负荷特性变化的主导因素,为区域负荷特性预测奠定基础。最后通过对郑州地区人口和经济发展状况的分析,运用多种方法对郑州地区未来用电量和年最大负荷进行预测,从总体把握郑州电网未来发展趋势,为电网建设提供依据。
引用
收藏
页数:67
共 44 条
[1]
Assessing the relevance of load profiling information in electrical load forecasting based on neural network models [J].
Sousa, J. C. ;
Neves, L. P. ;
Jorge, H. M. .
INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2012, 40 (01) :85-93
[2]
An adaptive fuzzy combination model based on self-organizing map and support vector regression for electric load forecasting.[J].Jinxing Che;Jianzhou Wang;Guangfu Wang.Energy.2011, 1
[3]
Middle anatolian region short-term load forecasting using artificial neural networks [J].
Demiroren, A ;
Ceylan, G .
ELECTRIC POWER COMPONENTS AND SYSTEMS, 2006, 34 (06) :707-724
[4]
Application of an innovative combined forecasting method in power system load forecasting [J].
Chen, GJ ;
Li, KK ;
Chung, TS ;
Sun, HB ;
Tang, GQ .
ELECTRIC POWER SYSTEMS RESEARCH, 2001, 59 (02) :131-137
[5]
Overview and comparison of long-term forecasting techniques for a fast developing utility: part I [J].
Kandil, MS ;
El-Debeiky, SM ;
Hasanien, NE .
ELECTRIC POWER SYSTEMS RESEARCH, 2001, 58 (01) :11-17
[6]
巴彦淖尔地区电力负荷特性分析及需求侧管理研究 [D]. 
冯博 .
华北电力大学,
2013
[7]
石家庄电网负荷特性分析及预测 [D]. 
丁诺 .
华北电力大学,
2012
[8]
城镇电力负荷特性分析与预测技术研究 [D]. 
杨顺帆 .
华南理工大学,
2012
[9]
地区电网负荷特性分析及其应用研究 [D]. 
程义明 .
湖南大学,
2012
[10]
地区电力系统负荷特性分析与需求侧管理研究 [D]. 
尹玉芬 .
华南理工大学,
2010