基于智能电网的实时电价研究

能源是人类赖以生存和发展的重要物质基础,随着人类社会的进步和发展,能源日益耗尽、生态环境恶化。这些问题在困扰人类发展的同时也提醒人类需要提高能源开发利用的效率和加强环境保护。电能作为一种便于传输的清洁二次能源,其在人类使用的能源结构中占据着较大的比例。人类通过发电将化石燃料中的能源转化成电能,通过电网输配送到各地供用户消费。因此,为了满足经济社会发展对电力的需求,适应发电和用电多元化的发展要求,建设安全可靠、经济高效、环境友好和使用安全的智能电网已上升为国家战略。 智能电网是世界各国为了适应本国的发展而相继提出的,不同国家的建设目标和侧重点各有不同。在智能电网中,通过实行实时电力价格引导用户参与电力系统运行和管理,减低高峰负荷,激励用户在低谷负荷时段消费电力,使电网在较高负荷率下安全可靠地运行,达到削峰填谷目的,提高电网设备的利用率和发电效率,同时降低用户的电费支出并提高能源利用效率,实现节能减排。为了顺利推进实时电价技术,本文在分析了电力负荷与电力价格的基础上,建立基于带扩展记忆粒子群优化算法(Particle Swarm Optimization with Extended Memory, PSOEM)的支持向量回归(Support Vector Regression, SVR)短期电力负荷预测模型,提出实时电力价格的制定原则并通过仿真验证其可行性。 本文通过对国内外智能电网发展和建设现状的调查研究,针对我国以火力发电为主的能源结构所带来的环境生态问题,指出研究基于智能电网实时电价的必要性。其次,本文对电力负荷的组成及其特性进行深入分析,并阐述电力负荷预测的基本原理以及电力市场条件下的电力价格。为了快速准确高效地预测短期电力负荷,本文提出一种带扩展记忆的粒子群优化技术和支持向量回归相结合,以历史负荷数据作为输入的基于PSOEM-SVR的短期电力负荷预测方法。本文提出的PSOEM比传统PSO收敛速度更快精度更高具有更强的寻优能力,用来优化SVR组合核函数参数,减少SVR参数设置的盲目低效性,获得较优的PSOEM-SVR预测模型并利用四川某城市电网的负荷数据进行仿真试验检验该预测方法的准确性和稳定性。最后,本文对电力市场条件下的用户对电价的响应进行分析,在现行峰平谷分时电价的基础上提出基于电网负荷率的扩展实时电价,利用四川某城市电网的负荷数据验证该扩展实时电价技术的有效性。