一、浅谈小水电需用电量预测技术（论文文献综述）
王子伊[1]（2021）在《水光蓄互补发电系统运行控制策略研究》文中进行了进一步梳理随着可再生能源的发展,改善能源结构,增加可再生能源利用率,已成为目前电力系统发展的重要趋势。由于风电、光伏功率存在波动性、间歇性与随机性,如何利用多种能源互补发电技术,平抑可再生能源波动已经成为一个重要的研究课题。因此,对于解决平抑风电、光伏功率波动相关问题的研究具有重要的应用意义。本文深入研究了基于水电、光伏以及抽水蓄能构成的水-光-蓄互补发电系统的优化运行策略以及实时协调控制策略,以及光伏发电功率及负荷功率预测方法等问题,具体的研究工作如下:建立了水电机组模型、光伏发电系统模型及全功率变速恒频抽蓄机组模型,全功率变速恒频抽蓄机组通过全功率变流器将发电电动机与电网相连,可实现变速恒频运行,其具有更强的灵活性;并确定了水-光-蓄互补发电系统结构以及其控制架构。研究了光伏发电功率及负荷功率预测。分别建立了基于轻量型梯度提升机预测算法的短期光伏功率预测及短期负荷功率预测模型,模型在保证准确度的基础上,具有较高的效率及较强的可扩展性;建立了基于改进滑动平均算法的超短期光伏功率预测模型,具有较强的实时性。利用实际算例对模型进行了仿真计算,验证了模型的有效性。在考虑水光互补特性及集中式水-光-蓄互补发电系统特性的基础上,研究了水-光-蓄互补发电系统优化运行策略。分别建立了以互补发电系统总出力波动最小以及互补发电系统发电收益最大为目标,包含水电站出力、抽蓄电站出力、水库容量水位等约束条件的系统优化运行模型,采用遗传算法进行模型求解。利用实际算例进行了仿真计算,验证了算法的实用性。针对光伏功率波动平抑问题,提出了水-光-蓄互补系统实时协调控制策略,该策略基于经验模态分解法计算全功率变速恒频抽蓄机组及小水电机组参与平抑光伏功率波动的补偿功率,在光伏功率出现波动时,控制全功率变速恒频抽蓄机组和水电机组快速响应,提供补偿功率,实现光伏功率平稳并网。另外提出了基于光伏输出功率增速控制的平抑光伏出力波动策略,可减少抽蓄机组快速调节出力的次数。利用实际算例进行了仿真计算,验证了策略的有效性和可行性。
李涛[2]（2021）在《基于深度强化学习的水—光—蓄互补系统智能调度研究》文中指出随着能源革命与转型的持续推进,以风电与光伏为代表的可再生能源得到了快速的发展与广泛的应用。虽然可再生能源能够在一定程度上缓解了对传统化石能源的消耗,促进了“碳达峰、碳中和”的进程,但是其间隙性、随机性与波动性降低了电力系统的安全稳定裕度,加剧了电网的调控难度,增添了对其消纳的压力。多能互补是将多种具有互补特性的能源集成为一个整体使其对外具有高效的能源利用率、持续的供电可靠性与最优的运行经济性。针对水-光-蓄多能互补系统的智能调度控制及应用问题,本文在国家重点研发计划项目《分布式光伏与梯级小水电互补联合发电技术研究及应用示范》（2018YFB0905200）的支持与引导下,通过理论分析和仿真验证系统深入地研究了水-光-蓄互补系统的并网经济性、电压合格率以及小信号稳定等关键问题,主要完成的研究工作如下:1)光伏-抽水蓄能互补系统智能调度研究。在电力市场环境中考虑经济性与稳定性的集中式光伏-抽蓄互补系统的调度运行,该调度策略以抽水蓄能电站的经济收益最大和联络线功率波动惩罚最小为优化目标,以抽水蓄能的有功充放电量为优化对象,考虑光伏出力、实时电价与负荷等多重不确定性,采用深度确定性策略梯度算法求解一种实时优化运行策略以最大化光伏-抽水蓄能系统的经济收益和最小化联络线功率波动。2)配电网中水-光-蓄互补系统的联合调度研究。在配电网环境中考虑电能质量与主配功率交互平稳的分布式光伏-小水电-抽蓄互补系统的调度运行,该调度策略以水-光-蓄配电网联络线传输功率波动和节点电压波动最小为研究目标,以小水电的出力和抽水蓄能的有功充放电量为优化对象,考虑光伏出力与负荷的不确定性,采用改进的深度确定性策略梯度算法求解一种实时优化运行策略以最小化水-光-蓄配电网联络线传输功率波动和节点电压波动。3)大电网中水-光-蓄互补系统小信号稳定控制研究。该调度策略以抑制水-光-蓄大电网的功率振荡为研究目标,以变速恒频抽水蓄能网侧变换器的外环控制为研究对象,并提出一种适应于储能与电网交互的带积分削减环路的比例积分控制器;以光伏电源为引起电力系统功率振荡的随机扰动功率,采用改进的深度确定性策略梯度算法实现控制器参数实时整定,以达到最短时间内抑制水-光-蓄大电网功率振荡的目的。4)对于各项研究内容,经理论分析后开展了详尽的仿真测试。与传统的优化方法相比;针对光伏-抽蓄系统的调度研究本文所提方法能够使并网点功率波动降低12.7%,且互补发电系统收益增长4.95%。针对水-光-蓄配电网的调度研究本文所提方法能够使得累计平均电压偏差和累计功率波动分别降低1.4倍和1.15倍。针对水-光-蓄大电网调度控制研究以改进的含抽蓄和光伏发电的四机两区系统为仿真平台验证了所提控制器与策略的正确性与优越性。
朱常荣[3]（2020）在《基于机器学习的智能电网短期电力负荷预测研究》文中提出随着智能电网的发展,准确的电力负荷预测变得越来越重要,因为它可以帮助电力公司更好地进行负荷调度并减少过多的电力生产。智能电网中的日常运营和规划需要提前一天对其客户进行负荷预测。然而,电力负荷预测是一项具有挑战性的任务,因为它依赖于外部因素,如气象和外生变量,其困难之处在于影响因素繁多,且规律变化万千无从寻觅。本文先阐述了短期电力负荷预测的背景及意义,机器学习应用于智能电网负荷预测的研究现状。再对某地区电力负荷的周期性、节假日进行了分析,进而通过仿真分析了负荷与部分气象因素的关系,得到了几个相关性较高的影响负荷预测的因素。然后为克服目前负荷预测精度低的局限性,通过对历史负荷数据的预处理和对影响负荷预测相关因素的归一化处理,建立了最小二乘支持向量机（LSSVM）模型。由于LS-LVM对大样本数据的训练难以实施,因此建立了BP神经网络模型和RBF神经网络模型。由于神经网络模型的固有缺点使得最终预测结果欠佳,因此建立了基于深度置信网络（DBN）的负荷预测模型。该模型先利用多层的受限玻尔兹曼机对输入变量进行特征提取,然后通过顶层BP神经网络单元对负荷进行预测。最后,通过对某一地区的负荷及相关数据进行实验仿真。仿真结果表明,与常规神经网络模型进行比较,提出的DBN模型预测精度较高,并且泛化性能最好。
吴昊[4]（2020）在《新形势下广东山区500千伏变电站建设可行性研究》文中研究说明粤港澳大湾区建设是重大国家级战略,南方电网公司将全力助力粤港澳大湾区建设充满活力的世界级城市群。500千伏变电站作为枢纽变电站,500千伏变电站及输电线路是目前最主要的跨区域电能输送解决办法,其与其他区域枢纽变电站和主干输电线路组成重要的电力网骨架,是电网安全可靠运行的重要保障。为服务好粤港澳大湾区发展,全力满足电力需求,更好地支撑广东省“四个走在全国前列”,努力做好保安全、强电网、稳经营、优服务、促转型、优化营商环境等工作,广东省电网薄弱的梅州山区亟待通过更高电压等级的变电站及配套输电线路建设,以完善和优化网架结构、解决重大电力事故风险、提高供电可靠性。近年来,南方电网和广东电网高度重视电网的中长期规划以及年度规划滚动修编工作,强化电网规划的前瞻性和引领作用。鉴于上述网、省公司对电网规划的要求及发展契机,本文对新形势下广东梅州山区500千伏变电站建设的可行性进行研究。本文首先对广东省和梅州地区电力系统的现状进行分析,指出电网存在的问题,对广东省和梅州地区的电力需求作出预测,进一步对广东省和梅州地区的进行电源规划及电力平衡分析,从而确定新形势下广东梅州山区500千伏变电站项目建设的必要性和项目在系统中的地位与作用。其次,对新形势下广东梅州山区新建500千伏变电站接入系统方案及规划选址选线进行研究,对多种接入系统和规划方案进行比较和分析,有实际工程指导意义,有利于进一步服务好粤港澳大湾区建设。
赵俊浩[5]（2020）在《基于负荷和功率预测的水-风-光微电网运行优化研究》文中研究表明利用当地丰富的能源如水能、光能和风能建立起微电网是解决一些偏远的地区用电问题的重要途经。微电网的建设不仅可以很好地满足当地的负荷需求,还可使用绿色能源有效地缓解传统能源危机和环境污染的压力。建立水-风-光微电网调度优化模型,不仅仅可以使得微电网有更好的经济性和环境效益,还对微电网安全稳定的运行具有重要意义。但是,由于微电网主要具有大量分布式能源,其中风力发电和光伏发电受到当地环境的影响大。提高风力发电和光伏发电的预测精度,也将为微电网安全稳定的运行提高更加准确的数据。本文主要围绕微电网的发电功率预测、负荷预测以及优化调度问题展开研究,主要工作如下:（1）考虑天气因素的影响,提出一种基于距离相似度和趋势相似度的相似日选取方法,并应用在光伏发电功率预测上。将布谷鸟算法引入到埃尔曼神经网络的寻优搜索过程中,改善埃尔曼神经网络的全局搜索性能以及其结构和参数,建立一种布谷鸟优化埃尔曼神经网络的预测模型,比较该模型与传统模型对UQCentre太阳能光伏电站出力和美国风能中心风速数据的预测结果,可知晴天、阴天、雨天的布谷鸟优化埃尔曼神经网络的光伏发电功率预测模型较传统的埃尔曼神经网络模型的误差分别减少了4%、4.44%和2.72%;布谷鸟优化埃尔曼神经网络的风力发电功率预测模型较传统的埃尔曼风力发电功率预测模型的误差较少了0.29%。（2）考虑到负荷预测模型的误差是一个马尔科夫链,本文基于深度学习理论,建立一种改进的长短期记忆网络负荷预测模型,利用马尔科夫链理论对长短期记忆网络负荷预测误差进行修正,实现对预测值精度的提高。比较该模型和传统模型对浙江示范微电网负荷的预测结果,可知改进的长短期记忆网络负荷预测模型的误差较长短期记忆网络模型较少了1.4428%。（3）由于风力发电功率预测和光伏发电功率预测具有误差,给微电网的调度带来不便。建立起微电网优化调度的数学规划模型,利用机会约束的方法处理模型中的不确定性约束,将其转化为确定性的约束,并利用序列二次规划法来求解微电网优化调度的规划问题。对比不同置信度与成本的关系可得,随着置信度的下降,总成本从2565.5元减少至2079.3元,可见改变置信度可以调整微电网的保守性以获得经济上的收益。（4）单一时段负荷和可再生能源发电的波动性,将会导致源荷消纳不均衡程度大。因此在考虑到源荷消纳问题,建立水-风-光微电网的两级调度模型。基于原有粒子群算法的缺陷,采用了一种扩大搜索的粒子群二次序列算法作为规划问题的求解方法。对比两级调度与一级调度的各项指标,两级调度丰水期的负荷波动率减少了14.22%,总成本减少了763.52元,弃电量减少了133.1k W,枯水期的负荷波动率减少了6.89%,总成本减少了691.49元。可见两级调度模型可以使微电网经济性更好,可再生能源利用率更高。
刘礼邦[6]（2020）在《计及规模化风电接入的地区电网运行经济性分析及调度策略研究》文中研究说明风电建设在近年来获得了巨大的发展,装机量连年增高。在我国部分地区,规模化风电并网已经在地区电网形成了较高的风电渗透率。研究规模化风电并网下的地区电网的前后变化、探究运行经济性和调度策略具有现实意义。为此,本文做了如下工作:（1）通过分析广西电网2017年风电场全年统计数据,计算风电出力的月平均出力、月最大出力、月出力分布,以及高峰保证容量、低谷保证容量、出力波动等参数,探究风电长期出力特性和短期出力特性,结合负荷数据计算风电接入后的等效负荷峰谷差,分析风电出力在不同时间尺度对调峰特性的影响。（2）以广西电网2019-2021三年的负荷预测数据和风电建设计划为基础,在仅考虑电量平衡约束和增加不弃风弃水约束下分别计算风电大规模接入对地区电网火电利用小时数、弃风弃水量的影响。结果表明风电规模增长在负荷连年增加的背景下不会直接降低火电利用小时数,但是在丰水期的某些场景可能会产生部分弃水。（3）从电网侧经济性为考量进行规模风电并网后的地区电网经济性分析。以电网售电所得与购电成本的差值作为电网收益指标,基于广西电网实测数据,计算仅考虑全额收购风电下的网区经济性和额外考虑机组出力等约束的网区经济性。此外,还比较了优先消纳水电和优先消纳风电两种消纳策略的经济性,给出经济性评价。结果显示,风电并网在无补贴政策下会降低电网侧经济性,但若有补贴政策,则风电并网额度越高,经济性越好。（4）针对广西电网存在大量小水电由于库容限制难以调度而常被日前调度规划忽略的问题,提出小水库水电站的出力约束条件,建立了充分发挥小水库水电站调节能力的风-水-火联合调度模型,使用群搜索优化算法进行模型的求解。以广西桂林、贺州地区数据作为仿真对象进行仿真计算,仿真结果证明了联合调度模型的经济性优势。
耿华阳[7]（2019）在《含小水电的水光储微电网优化运行研究》文中研究指明在我国西南地区的一些偏远山区具有丰富的河道资源,在这些地区形成了许多小水电供电区,然而由于受到小水电发电能力受季节降水量影响,单独依靠小水电供电的形式难以保证小水电供电区的供电可靠性。为了充分挖掘光伏发电、小水电与储能系统和本地负荷共同组成的水光储微电网与大电网并网运行给用户带来的价值和投资效益,本文从光伏电池和储能蓄电池配置容量的角度出发,研究水光储微电网并网运行的经济性运行方式,同时结合光伏功率预测方法为微电网优化调度提供数据分析基础。研究内容如下:首先,分析了水光储微电网中各发电单元的工作原理并建立了各发电单元的发电功率特性模型;建立了包含小水电、光伏发电系统、蓄电池储能系统和负荷在内的水光储微电网并网运行模型,分析了微电网的结构和运营方式,详细分析了系统各单元之间能量调度方式,为微电网优化运行调度建立了基础。其次,在考虑系统实际运行采用峰谷电价机制的条件下,以微网系统投资总收益和微网自平衡率为优化目标,以光伏电池容量约束、蓄电池容量约束、微电网接入友好性和蓄电池充放电运行约束构建约束模型。综合上述优化目标和约束条件建立水光储微电网并网运行容量优化配置模型,采用改进NSGA-Ⅱ多目标优化算法对问题进行求解,对小水电供电区光伏储能容量配置进行了优化计算,并对结果进行分析。然后,采用模糊聚类算法对包含主要气象环境因素的数值天气预报原始数据进行模糊聚类识别,将同种类型的光伏发电功率历史数据作为被预测日的历史输入数据原始集合,建立用于神经网络训练的历史数据集,利用LSTM神经网络算法对与被预测日气象环境因素类型相同的历史数据集进行训练,建立基于LSTM神经网络与气象类型模糊聚类的光伏功率预测模型,最后利用实际算例对预测模型进行验证,并讨论LSTM训练参数对模型预测精度的影响。最后,在考虑小水电季节性出力特点的前提下,分别研究丰枯水期水光储微电网典型日的能量优化调度策略,以系统运行费用最低为优化目标,分别研究微电网在丰水期和枯水期典型日的能量分配情况以各自的运行经济性。
燕宪瑞[8]（2019）在《广东省韶关市中低压配电网规划研究》文中研究指明进入21世纪以来,社会生产生活发生了翻天覆地的变化,社会发展的越来越快了,人民也越来越有钱了,生活水平提高了,每家每户都买了很多高科技的电器设备,更不用说那些大工厂、大企业引进的先进设备了,只会更多。现在什么都要用到电,电力的使用已经发展到了社会的各个角落,从生产生活,到天文地理,全部都要跟电打交道,全社会对用电的需求越来越大。与此同时,现在社会一天一个样,机构改革,产业结构调整随时在发生着,尤其是各种制度的改变,五花八门。2015年的电改9号文,使南方电网的电力市场逐步形成,这两年在发改和改革委会员的监督之下,电价机制越来越完善,这就对电力供应提出新的要求。本论文在对韶关市供用电现状进行充分了解、研究的基础上,结合广东省韶关市的特点,对武江区、浈江区这里的网架进行仔细的分析,一条条杆一段段线路的研究,找到了问题和网架薄弱的地方,网架里还有大量的4级风险以上的隐患存在。根据广东省韶关市总体发展规划、产业结构和布局、居民生活水平以及能源政策等,选择合适的预测模型,进行科学的负荷预测,并以韶关市武江区、浈江区为例规划韶关市中低压配电网建设方案。在对韶关市的历史数据进行分析后,采用弹性系数法、灰色预测模型等预测方法,对分行业、分区进行电量与负荷预测,根据负荷的历史数据做出一个基本的电力负荷预测方案,然后进行配电网规划。
宋宗耘[9]（2018）在《大气污染防治背景下的电力需求侧管理优化研究》文中指出随着我国工业和经济的发展,人们对资源的消耗不断增加,大气污染问题逐渐凸显,特别是2012年入冬以来,我国京津唐、长三角、东北地区等重工业地区空气质量指数频繁爆表,大气污染与经济可持续发展之间的矛盾日渐突出。大气污染物的来源主要有电力行业燃煤电厂排放、终端用户散煤燃烧排放、燃油汽车尾气排放等,其中电力行业电煤燃烧排放是造成我国大气污染形势严峻的主要原因之一。据统计,2016年电力行业二氧化硫排放量占全国总排放量的34.6%,电力行业氮氧化物排放量占全国总排放量的37.68%,碳排放量占到全国总排放量的50%。现阶段,我国亟需采用先进的电力需求侧管理理念辅助大气污染防治政策的落实和深化。电力需求侧管理是指采取有效的经济、技术、行政或引导措施,通过多方协作优化用户用电方式,提高终端电力使用效率,具有削峰填谷、提高能源利用效率、节能环保等多重效益。但是在智能电网迅速发展、大气污染问题紧迫、可再生能源配额制不断完善、用户环保意识提升等多种背景下,电力需求侧管理理论需要不断的发展和创新。基于以上考虑,本文立足我国当前面临的大气污染问题背景,从电力需求预测、分时电价、调峰调度、政策激励机制、管理优化建议方案等方面对电力需求侧管理方法进行优化。本文主要研究成果及创新如下:（1）对大气污染防治背景下的电力需求预测进行研究,构建基于高斯扰动萤火虫算法优化支持向量机的用电量预测模型和基于密度K-medoids聚类和广义自回归条件异方差误差修正优化贝叶斯网络的日负荷预测模型。针对用电量预测,充分考虑炼铁、炼钢、水泥等重点产品的去产能政策影响量化值对用电量的影响,在此基础上,采用高斯扰动萤火虫算法优化支持向量机对电网近儿年总体用电需求水平进行预测,通过高斯扰动萤火虫算法对支持向量机参数进行优化,较大地提高了用电量的预测精度;针对日负荷预测,选取空气质量指数、炼铁、炼钢、水泥等重点产品日产量作为大气污染防治政策日量化因素用于日峰值负荷预测,运用密度K-medoids聚类挖掘算法将预测样本分为三个聚类簇,采用贝叶斯神经网络模型对各簇分别进行预测,再将预测结果输入广义自回归条件异方差模型进行误差修正,较大地提高了日峰值负荷和24点负荷的预测精度。（2）对大气污染防治背景下基于电力需求预测的绿色分时电价机制进行优化研究,构建基于动态拓扑双期作用力微粒群算法的绿色分时电价优化模型。基于绿色分时电价机制的运行机理和主体成本获利原理,分析了用户绿色证书认购心理,采用效用理论量化绿色证书认购行为,结合峰谷分时电价用户反应状态,构建了绿色分时电价用户反应函数,并采用模糊快速中心点聚类算法对负荷曲线进行时段划分。在用户行为识别和时段划分的基础上,以峰谷差为优化目标,构建兼顾发电公司、电网公司和电力用户三方效益的绿色分时电价优化模型,通过动态拓扑双期作用力微粒群算法求解得到最优绿色分时电价方案。优化结果显示,绿色分时电价机制能更好的调动起电力用户改变用电习惯的积极性,起到更为有效的削峰填谷的作用,并且随着负荷的优化配置和发电效率的提高,煤耗量和污染物排放量较基本电价削减量大幅度上升,节能减排效益非常明显。（3）对大气污染防治背景下基于预测与电价的多能互补联合调峰调度优化管理进行研究,构建基于第二代非支配排序遗传算法的联合调峰调度优化模型,并采用变权理论-物元可拓的综合评价模型对多能互补联合调峰调度系统整体效益进行综合评判。本文优选出与风速频率分布直方图最贴合的分布函数拟合风速随机序列的概率分布,精确刻画风电出力。在此基础上,剖析蓄热式电锅炉和电动汽车这两种储能设备调峰作用机理,提出多能互补联合调峰调度优化模型,采用第二代非支配排序遗传算法求解优化模型,得到蓄热式电锅炉和电动汽车最优接入策略。随后,本文从电网内部的安全效益、经济效益以及电网外部的社会效益、环境效益四个方面搭建多能互补联合调峰调度效益综合评价指标体系,采用变权理论-物元可拓评价模型对联合调峰调度系统整体效益进行综合评判。优化结果显示,本文提出的多能互补联合调峰调度系统在负荷曲线平抑、出力优化、节能减排、经济优化等方面具有较强的优越性。（4）对大气污染防治背景下电力需求侧管理政策激励机制进行优化设计,提出基于动态演化博弈模型的电力需求侧管理政策激励过程优化分析方法。本文梳理了电力需求侧管理政策激励机制的作用脉络,明确政府、电网企业、电力用户在电力需求侧管理实施过程中的主要角色和任务,分析政府-电网企业、政府-电力用户间的博弈行为。在此基础上,构建动态演化博弈模型,模拟电力需求侧管理政策激励过程各方博弈行为,得出最优博弈策略组合及博弈系统动态演化路径,并剖析影响博弈主体策略选择的主要因素及作用机理。基于博弈分析结果,本文将激励措施与目标约束相结合,从电力需求预测、绿色分时电价和联合调峰调度等方面分别设置针对电网企业和电力用户的政策激励措施。本文将激励措施嵌入齿轮动态分析模型,形成联动、闭环的激励系统,实现电力需求侧管理政策激励机制的优化。（5）提出大气污染防治背景下的电力需求侧管理优化建议方案。基于大气污染防治背景下的电力需求预测优化、电力需求响应绿色电价优化、多能互补联合调峰调度系统优化、电力需求侧管理政策激励机制优化等研究内容,针对当前电力需求侧管理在大气污染防治方面的空白或不足之处,提出建设性的管理建议方案。
程林[10]（2017）在《丽水地区电网中长期负荷预测的研究》文中进行了进一步梳理随着我国电力系统的发展,负荷预测扮演着越来越重要的角色,提高负荷预测技术水平,有利于计划用电管理、降低发电成本、制定合理电网规划,有利于提高电力系统的社会和经济效益。对于特定的地区来说,准确的负荷预测保证了当地社会有序生产,居民正常生活,为当地经济发展提供重要保障。对于不同的地区,由于社会、经济发展水平、地缘、产业结构等方面不同,适用的预测方法也不同,本文致力于找到最适用于丽水地区的预测方法。本文通过查阅国内外文献资料,研究和总结了现有的电力负荷预测技术,对电力负荷预测的特点和分类进行了归纳,并分析了影响电力中长期负荷预测准确度的因素。特别介绍了虚拟预测和模型预测有效度的概念,提出了基于预测有效度的最优组合筛选法。论文分析了丽水地区的经济和社会发展现状,对丽水地区各产业的发展情况、用电状况及用电量占比作了详细的统计,同时研究了当地居民用电的特点。结合当地未来几年的产业布局,对其总体状况做了概括性的描述。通过对丽水地区经济和电力发展状况的分析,初步选取了弹性系数法、产值单耗法、人均电量法、回归分析法以及灰色预测法,对丽水地区最近五年的用电量进行虚拟预测;选取最大负荷利用小时数法、回归分析法、灰色预测法对丽水地区最近五年的最大负荷进行虚拟预测。按照预测有效度的高低对每种模型排序后,通过前文提出的最优组合筛选法得到了最适合丽水地区的组合预测方法,并给出了相关的权系数。最后,根据得到的最优组合预测方法对丽水地区“十三五”期间的电力负荷做出了预测。
二、浅谈小水电需用电量预测技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、浅谈小水电需用电量预测技术（论文提纲范文）
（1）水光蓄互补发电系统运行控制策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 PV发电功率预测技术 |
| 1.2.2 负荷功率预测技术 |
| 1.2.3 PV出力波动平抑技术 |
| 1.2.4 多能互补发电系统优化运行及控制技术 |
| 1.3 本文主要研究思路及内容 |
| 2 水-光-蓄互补发电系统模型 |
| 2.1 水电机组模型 |
| 2.1.1 水电站工作原理 |
| 2.1.2 水电机组模型 |
| 2.2 PV发电系统模型 |
| 2.2.1 PV发电系统结构与数学模型 |
| 2.2.2 PV发电特性与影响因素分析 |
| 2.3 全功率变速恒频抽蓄机组模型、特性及控制策略 |
| 2.3.1 FSC-VSCFPSU模型 |
| 2.3.2 FSC-VSCFPSU宽调速范围特性 |
| 2.3.3 FSC-VSCFPSU控制策略 |
| 2.4 负荷特性及影响因素分析 |
| 2.5 水-光-蓄互补发电系统模型 |
| 2.5.1 系统组成与运行要求 |
| 2.5.2 水电与光伏出力互补性分析 |
| 2.5.3 系统运行模式与控制架构 |
| 2.6 本章小结 |
| 3 光伏发电功率及负荷功率预测 |
| 3.1 轻量型梯度提升机算法原理 |
| 3.2 基于LIGHTGBM的短期PV功率预测模型 |
| 3.2.1 PV数据特征提取 |
| 3.2.2 基于LightGBM的短期PV功率预测模型参数调整 |
| 3.2.3 基于LightGBM的短期PV功率预测流程 |
| 3.3 基于LIGHTGBM的短期负荷功率预测模型 |
| 3.4 基于改进滑动平均算法的超短期PV功率预测模型 |
| 3.5 仿真分析 |
| 3.5.1 模型评价指标 |
| 3.5.2 仿真计算与分析 |
| 3.6 本章小结 |
| 4 水-光-蓄互补系统优化运行策略 |
| 4.1 水-光-蓄互补系统出力波动最小调度模型 |
| 4.1.1 目标函数 |
| 4.1.2 运行约束条件 |
| 4.2 水-光-蓄互补系统发电收益最大调度模型 |
| 4.2.1 目标函数 |
| 4.2.2 运行约束条件 |
| 4.3 仿真分析 |
| 4.3.1 仿真系统及参数设置 |
| 4.3.2 仿真计算与分析 |
| 4.4 本章小结 |
| 5 水-光-蓄互补系统实时协调控制策略 |
| 5.1 EMD算法原理 |
| 5.2 水-光-蓄互补系统实时协调控制策略 |
| 5.2.1 基于EMD法的平抑PV功率波动策略 |
| 5.2.2 PV出力数据的分解处理 |
| 5.3 平抑PV出力波动的补偿功率计算方法 |
| 5.3.1 FSC-VSCFPSU平抑PV出力波动的补偿功率计算 |
| 5.3.2 CSHP平抑PV出力波动的补偿功率计算 |
| 5.4 基于PV输出功率增速控制的平抑PV出力波动策略 |
| 5.5 仿真分析 |
| 5.5.1 仿真系统及参数设置 |
| 5.5.2 仿真计算与分析 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）基于深度强化学习的水—光—蓄互补系统智能调度研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水-光-蓄互补系统稳态调度研究现状 |
| 1.2.2 水-光-蓄互补系统暂态调度研究现状 |
| 1.2.3 基于深度强化学习的电力调度应用现状 |
| 1.3 本文的主要工作与创新 |
| 1.4 文章的结构安排 |
| 第二章 光伏-抽水蓄能互补系统智能调度研究 |
| 2.1 光-蓄互补系统描述 |
| 2.1.1 抽水蓄能的数学模型 |
| 2.1.2 优化模型 |
| 2.1.3 约束条件 |
| 2.2 深度强化学习建模 |
| 2.2.1 智能调度问题向强化学习任务的转化 |
| 2.2.2 DDPG算法与网络结构 |
| 2.3 算例分析 |
| 2.3.1 算法训练 |
| 2.3.2 算法性能测试 |
| 2.3.3 对比分析 |
| 2.4 本章小结 |
| 第三章 配电网中水-光-蓄互补系统的联合调度研究 |
| 3.1 水-光-蓄配电网系统分析与优化建模 |
| 3.1.1 电压不合格机理分析 |
| 3.1.2 负荷特性建模 |
| 3.1.3 优化模型 |
| 3.1.4 约束条件 |
| 3.1.5 控制变量 |
| 3.2 优化问题转化与深度强化学习算法 |
| 3.2.1 优化问题转化 |
| 3.2.2 深度强化学习算法 |
| 3.3 算例分析 |
| 3.3.1 仿真设置 |
| 3.3.2 算法训练 |
| 3.3.3 算法性能测试 |
| 3.3.4 对比分析 |
| 3.4 本章小结 |
| 第四章 大电网中水-光-蓄互补系统小信号稳定控制研究 |
| 4.1 水轮机-抽蓄系统等值模型与电磁功率方程 |
| 4.1.1 等值模型 |
| 4.1.2 电磁功率方程 |
| 4.2 机理分析 |
| 4.2.1 单机系统 |
| 4.2.2 多机系统 |
| 4.3 控制器设计 |
| 4.4 优化问题描述 |
| 4.5 算例分析 |
| 4.5.1 仿真设置 |
| 4.5.2 机理分析与控制器设计的正确性与有效性验证 |
| 4.5.3 算法训练 |
| 4.5.4 算法性能测试 |
| 4.6 本章小节 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间参与的项目与研究成果 |
（3）基于机器学习的智能电网短期电力负荷预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的意义 |
| 1.2 国内外研究现状 |
| 1.3 课题的主要研究内容 |
| 第二章 智能电网 |
| 2.1 智能电网产生的背景 |
| 2.2 智能电网的发展趋势 |
| 2.3 本章小结 |
| 第三章 电力负荷预测研究 |
| 3.1 电力负荷预测的概念及分类 |
| 3.2 电力负荷特性分析 |
| 3.3 短期负荷预测的影响因素 |
| 3.3.1 温度 |
| 3.3.2 降雨 |
| 3.3.3 其他因素 |
| 3.4 负荷预测误差分析 |
| 3.4.1 几种误差分析方法 |
| 3.5 本章小结 |
| 第四章 基于机器学习预测算法的研究 |
| 4.1 最小二乘支持向量机(LS-SVM) |
| 4.1.1 LS-SVM方法基本原理 |
| 4.1.2 LS-SVM预测模型的建立 |
| 4.2 人工神经网络 |
| 4.2.1 人工神经网络的训练方法 |
| 4.2.2 BP神经网络 |
| 4.2.3 BP神经网络负荷预测 |
| 4.3 RBF神经网络 |
| 4.3.1 RBF神经网络算法 |
| 4.3.2 RBF神经网络训练过程 |
| 4.4 深度置信网络(DBN)预测算法 |
| 4.4.1 受限玻尔兹曼机 |
| 4.4.2 受限玻尔兹曼机模型结构 |
| 4.4.3 受限玻尔兹曼机的学习训练 |
| 4.4.4 DBN的结构 |
| 4.4.5 DBN训练过程 |
| 4.4.6 DBN预测模型的建立 |
| 4.5 实际地区日负荷预测仿真实例 |
| 4.5.1 实验算例 |
| 4.5.2 预测结果及误差分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士学位期间的研究成果 |
（4）新形势下广东山区500千伏变电站建设可行性研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 电网规划的研究现状 |
| 1.3 本文的主要研究内容 |
| 第二章 广东及梅州电力系统现状与电力需求预测 |
| 2.1 广东省电力系统现状概述 |
| 2.1.1 广东省电力系统现状 |
| 2.1.2 广东电网存在的问题 |
| 2.1.3 梅州电力系统现状 |
| 2.1.4 梅州电网存在的问题 |
| 2.2 电力需求预测及分析 |
| 2.2.1 广东电力需求预测 |
| 2.2.2 梅州市电力需求预测 |
| 2.3 本章小结 |
| 第三章 广东及梅州地区电源规划及电力平衡分析 |
| 3.1 广东省电源规划及电力平衡分析 |
| 3.1.1 广东省电源规划 |
| 3.1.2 广东省电力平衡分析 |
| 3.2 梅州市电源规划及电力平衡分析 |
| 3.2.1 梅州市电源现状及规划 |
| 3.2.2 梅州市电力平衡分析 |
| 3.3 本章小结 |
| 第四章 山区新建500千伏变电站选址选线对比研究 |
| 4.1 选址选线原则 |
| 4.1.1 选址选线的基本原则 |
| 4.1.2 选址选线阶段的研究范围 |
| 4.1.3 变电站站址选择条件 |
| 4.2 新建500kV变电站站址地理位置 |
| 4.3 规划选线 |
| 4.3.1 选线原则 |
| 4.3.2 三佳站址线路路径方案 |
| 4.3.3 双成站址线路路径方案 |
| 4.3.4 万华站址线路路径方案 |
| 4.4 各站址路径方案比较 |
| 4.5 分析结果及建议 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表的论文 |
| 致谢 |
（5）基于负荷和功率预测的水-风-光微电网运行优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的意义和目的 |
| 1.2 国内外研究现状 |
| 1.2.1 微电网功率预测的研究现状 |
| 1.2.2 微电网负荷预测的研究现状 |
| 1.2.3 微电网运行优化的研究现状 |
| 1.3 论文的研究内容及结构安排 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文结构安排 |
| 第二章 风-光发电功率预测研究 |
| 2.1 概述 |
| 2.2 基于天气相似度的相似日选取 |
| 2.2.1 数据预处理 |
| 2.2.2 基于天气相似度的相似日选取方法 |
| 2.3 发电功率预测模型 |
| 2.3.1 埃尔曼神经网络 |
| 2.3.2 布谷鸟算法 |
| 2.3.3 改进埃尔曼神经网络 |
| 2.4 实例计算 |
| 2.4.1 误差评价 |
| 2.4.2 光伏发电功率预测实例计算与分析 |
| 2.4.3 风力发电功率预测实例计算与分析 |
| 2.5 本章小结 |
| 第三章 基于深度学习的微电网负荷预测 |
| 3.1 概述 |
| 3.2 微电网负荷特性分析 |
| 3.2.1 微电网日负荷曲线特性分析 |
| 3.2.2 微电网日周负荷曲线曲线特性分析 |
| 3.3 长短期记忆网络 |
| 3.3.1 长短期记忆网络原理分析 |
| 3.3.2 长短期记忆网络神经网络的方程 |
| 3.4 基于改进长短期记忆网络的负荷预测模型 |
| 3.4.1 马尔可夫链原理 |
| 3.4.2 基于改进长短期记忆网络的负荷预测模型 |
| 3.5 实例计算 |
| 3.6 本章小结 |
| 第四章 水-风-光微电网优化调度方法 |
| 4.1 概述 |
| 4.2 随机机会约束规划方法 |
| 4.2.1 随机机会约束规划理论 |
| 4.2.2 随机机会约束规划求解的一般方法 |
| 4.3 水-风-光微电网各单元模型 |
| 4.3.1 光伏发电模型 |
| 4.3.2 风力发电模型 |
| 4.3.3 小水电模型 |
| 4.3.4 蓄电池储能模型 |
| 4.3.5 微型燃气轮机模型 |
| 4.3.6 柴油发电机模型 |
| 4.4 水-风-光微电网优化调度的机会约束规划模型 |
| 4.4.1 多目标函数 |
| 4.4.2 约束条件 |
| 4.5 基于序列二次规划的微电网优化调度方法 |
| 4.6 实例计算 |
| 4.6.1 系统参数 |
| 4.6.2 不同水季的优化结果 |
| 4.6.3 不同置信度的成本分析 |
| 4.6.4 不同预测精度的成本分析 |
| 4.7 本章小结 |
| 第五章 基于源荷互动的水-风-光微电网两级调度方法 |
| 5.1 概述 |
| 5.2 需求响应模型 |
| 5.3 微电网两级调度模型 |
| 5.3.1 一级调度模型 |
| 5.3.2 二级调度模型 |
| 5.4 改进粒子群算法 |
| 5.4.1 粒子群算法原理 |
| 5.4.2 改进粒子群算法 |
| 5.5 微电网两级优化调度求解方法 |
| 5.6 算例分析 |
| 5.6.1 系统参数 |
| 5.6.2 不同水季的优化结果 |
| 5.6.3 综合分析 |
| 5.7 本章小结 |
| 结论与展望 |
| 1. 结论 |
| 2. 展望 |
| 参考文献 |
| 攻读学位期间发表的论文 |
| 攻读学位期间参加的科研项目 |
| 致谢 |
| 附录 |
（6）计及规模化风电接入的地区电网运行经济性分析及调度策略研究（论文提纲范文）
| 内容摘要 |
| abstract |
| 引言 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究的主要内容和安排 |
| 2 风电场群出力特性及其对地区电网调峰特性影响研究 |
| 2.1 引言 |
| 2.2 风电场长期出力特性研究 |
| 2.3 风电场短期出力特性研究 |
| 2.4 风电场出力对地区电网调峰特性的影响 |
| 2.5 小结 |
| 3 大规模风电接入场景下地区电网弃风/弃水量及火电利用小时数分析 |
| 3.1 引言 |
| 3.2 负荷预测 |
| 3.3 弃风/弃水量及火电利用小时数计算 |
| 3.4 小结 |
| 4 大规模风电接入对地区电网运行经济性的影响分析 |
| 4.1 引言 |
| 4.2 电力系统运行经济性的评价方法 |
| 4.3 电力系统运行经济性计算 |
| 4.4 小结 |
| 5 充分发挥小水库调节能力的新能源地区电网经济调度 |
| 5.1 引言 |
| 5.2 风–水–火电联合优化调度模型 |
| 5.3 群搜索优化算法 |
| 5.4 仿真与结果分析 |
| 5.5 小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 工作展望 |
| 参考文献 |
| 后记 |
| 附录 :攻读硕士学位期间发表的部分学术论着 |
（7）含小水电的水光储微电网优化运行研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多能互补微网的发展现状 |
| 1.2.2 微电网容量优化配置研究现状 |
| 1.2.3 光伏功率预测研究现状 |
| 1.2.4 微电网优化运行研究现状 |
| 1.3 研究思路与主要内容 |
| 2 含小水电的水光储微电网模型与运行方式 |
| 2.1 小水电的工作原理与出力特性模型 |
| 2.1.1 小水电的工作原理 |
| 2.1.2 小水电的出力特性模型 |
| 2.2 光伏发电系统 |
| 2.2.1 光伏发电原理 |
| 2.2.2 光伏出力特性模型与光伏发电系统 |
| 2.3 蓄电池储能系统 |
| 2.3.1 蓄电池储能技术 |
| 2.3.2 蓄电池储能特性模型 |
| 2.4 负荷模型 |
| 2.4.1 小水电自供区负荷形式 |
| 2.4.2 负荷模型 |
| 2.5 水光储微电网的结构与运行方式 |
| 2.5.1 微电网的结构和运营模式 |
| 2.5.2 微电网的运行方式 |
| 2.6 本章小结 |
| 3 水光储微电网容量多目标优化配置 |
| 3.1 目标函数模型 |
| 3.1.1 经济性评价指标模型 |
| 3.1.2 技术性评价指标模型 |
| 3.1.3 目标函数模型 |
| 3.2 约束条件建模与计算 |
| 3.2.1 优化变量约束 |
| 3.2.2 蓄电池运行约束 |
| 3.2.3 微电网接入友好性约束 |
| 3.3 光储容量多目标优化配置方法 |
| 3.3.1 能量调度策略与目标函数计算 |
| 3.3.2 容量配置的求解策略 |
| 3.4 算例分析 |
| 3.4.1 基本数据 |
| 3.4.2 配置结果与分析 |
| 3.5 本章小结 |
| 4 基于长短期记忆神经网络的光伏发电功率日前预测 |
| 4.1 长短期记忆神经网络的原理与训练算法 |
| 4.1.1 长短期记忆神经网络原理 |
| 4.1.2 长短期记忆神经网络训练算法 |
| 4.2 基于LSTM神经网络与气象类型模糊聚类的光伏功率预测 |
| 4.2.1 影响光伏发电功率的因素 |
| 4.2.2 气象类型模糊聚类 |
| 4.2.3 预测模型 |
| 4.3 算例分析 |
| 4.3.1 数据选择与试验设计 |
| 4.3.2 预测结果 |
| 4.4 本章小结 |
| 5 水光储微电网的优化运行模型 |
| 5.1 微电网能量的优化调度 |
| 5.1.1 能量优化调度策略 |
| 5.1.2 优化调度的经济性分析 |
| 5.2 水光储微电网经济性运行模型 |
| 5.2.1 目标函数与约束条件 |
| 5.2.2 优化算法与求解流程 |
| 5.3 算例分析 |
| 5.3.1 基本数据 |
| 5.3.2 结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（8）广东省韶关市中低压配电网规划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 当前广东省内配网主要存在的问题 |
| 1.2.1 配网主要存在的问题 |
| 1.2.2 配电网的发展和规划趋势 |
| 1.3 配电网规划的任务与研究内容 |
| 1.4 配电网规划的研究现状 |
| 1.5 负荷预测研究现状 |
| 2 广东省韶关市配电网的现状分析 |
| 2.1 韶关市配电网主要特点与基本要求 |
| 2.2 电网的现状 |
| 2.3 中、低压配电网存在的主要问题 |
| 2.4 规划原则与目标 |
| 2.4.1 规划目标 |
| 2.4.2 规划原则 |
| 3 电力负荷预测 |
| 3.1 几种专业的预测方法 |
| 3.1.1 技术人员预测法 |
| 3.1.2 国民生产总值单耗法 |
| 3.1.3 弹性系数法 |
| 3.1.4 类比预测法 |
| 3.1.5 负荷密度法 |
| 3.2 电力负荷及电量预测 |
| 3.2.1 历史数据分析 |
| 3.2.2 电力负荷预测思路和方法 |
| 3.3 电力负荷预测方案 |
| 4 配电网规划 |
| 4.1 110 千伏电压等级的配电网规划 |
| 4.1.1 整体原则 |
| 4.1.2 接线型式 |
| 4.1.3 变电站规划 |
| 4.1.4 线路规划 |
| 4.2 35 千伏配电网规划 |
| 4.2.1 整体原则 |
| 4.2.2 接线形式 |
| 4.2.3 变电站规划 |
| 4.2.4 35 kV线路规划 |
| 4.3 中压配电网络(10kV,20kV) |
| 4.3.1 网架结构 |
| 4.3.2 中压开关站与配电站 |
| 4.3.3 线路规划 |
| 4.4 低压配电网 |
| 4.4.1 网架结构 |
| 4.4.2 低压配电装置及线路 |
| 4.5 配电网自动化 |
| 4.6 配电网计量 |
| 4.6.1 整体原则 |
| 4.6.2 智能电能表 |
| 4.6.3 配电网计量自动化终端 |
| 4.6.4 互感器、二次回路及计量箱体 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）大气污染防治背景下的电力需求侧管理优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大气污染防治现状 |
| 1.2.2 电力需求侧管理 |
| 1.2.3 绿色电力 |
| 1.3 论文主要研究内容和技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 本章小结 |
| 第2章 电力需求侧管理相关理论 |
| 2.1 电力需求侧管理框架 |
| 2.2 电力需求侧管理实施手段 |
| 2.2.1 经济手段 |
| 2.2.2 技术手段 |
| 2.2.3 行政引导手段 |
| 2.3 分时电价理论 |
| 2.4 电力系统调峰调度理论 |
| 2.5 电力需求预测理论 |
| 2.5.1 直接类电力需求预测模型 |
| 2.5.2 间接类电力需求预测模型 |
| 2.6 电力需求侧管理在大气污染防治中的作用 |
| 2.7 本章小结 |
| 第3章 大气污染防治背景下的电力需求预测分析 |
| 3.1 大气污染防治政策量化 |
| 3.1.1 去产能政策 |
| 3.1.2 去产能政策量化模型 |
| 3.2 计及政策影响的GDFA-SVM电网用电量预测分析 |
| 3.2.1 高斯扰动萤火虫算法 |
| 3.2.2 基于GDFA-SVM的预测模型 |
| 3.2.3 计及政策影响的GDFA-SVM预测流程 |
| 3.2.4 实例分析 |
| 3.3 计及政策影响的DKM-BNN-GARCH电网日负荷预测分析 |
| 3.3.1 基于密度的K-medoids聚类挖掘算法 |
| 3.3.2 基于DKM-BNN-GARCH的预测模型 |
| 3.3.3 计及政策影响的DKM-BNN-GARCH预测流程 |
| 3.3.4 实例分析 |
| 3.4 本章小结 |
| 第4章 大气污染防治背景下基于电力需求预测的需求响应绿色分时电价优化分析 |
| 4.1 绿色分时电价框架 |
| 4.1.1 绿色分时电价机制 |
| 4.1.2 主体成本获利原理分析 |
| 4.2 绿色分时电价优化模型 |
| 4.2.1 用户心理响应模型 |
| 4.2.2 峰谷平时段划分模型 |
| 4.2.3 基于DNW-TSF-PSO的绿色分时电价优化模型 |
| 4.3 绿色分时电价的正外部性分析 |
| 4.3.1 绿色分时电价对日负荷曲线的平缓作用 |
| 4.3.2 绿色分时电价对煤耗的节约作用 |
| 4.3.3 绿色分时电价对大气污染物(含CO_2)排放的削减作用 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第5章 大气污染防治背景下基于预测与电价的多能互补联合调峰调度优化管理 |
| 5.1 电能替代政策与风电消纳政策 |
| 5.2 风力发电不确定性分析及刻画 |
| 5.3 多能互补联合调峰调度优化模型 |
| 5.3.1 联合调峰调度系统介绍 |
| 5.3.2 数学建模及流程 |
| 5.3.3 实例分析 |
| 5.4 基于变权理论-物元可拓的多能互补联合调峰调度效益综合评价 |
| 5.4.1 综合评价指标体系 |
| 5.4.2 综合评价方法及优选 |
| 5.4.3 变权理论-物元可拓的综合评价模型 |
| 5.4.4 实例分析 |
| 5.5 本章小结 |
| 第6章 大气污染防治背景下电力需求侧管理政策激励机制优化设计 |
| 6.1 DSM政策激励机制概述与各主体间博弈行为分析 |
| 6.1.1 DSM激励机制概述 |
| 6.1.2 DSM政策激励工具评价 |
| 6.1.3 DSM项目各主体间博弈行为分析 |
| 6.2 基于动态演化博弈的电力需求侧管理政策激励过程分析 |
| 6.2.1 演化博弈基本理论 |
| 6.2.2 动态演化博弈的实现 |
| 6.2.3 DSM政策激励过程动态演化博弈分析 |
| 6.3 电力需求侧管理政策激励机制优化设计 |
| 6.3.1 DSM政策激励措施 |
| 6.3.2 DSM政策激励齿轮模型 |
| 6.4 本章小结 |
| 第7章 大气污染防治背景下的电力需求侧管理优化建议方案 |
| 7.1 问题分析 |
| 7.2 建议方案 |
| 7.3 本章小结 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）丽水地区电网中长期负荷预测的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 经典预测技术 |
| 1.2.2 新型预测技术 |
| 1.3 本文主要研究内容 |
| 第2章 电力负荷预测基础理论 |
| 2.1 电力负荷预测概念 |
| 2.2 电力负荷预测的特点 |
| 2.3 电力负荷预测的分类 |
| 2.4 影响负荷预测准确性的因素 |
| 2.5 电力负荷预测的方法分析 |
| 2.5.1 弹性系数法 |
| 2.5.2 回归分析法 |
| 2.5.3 人均用电量法 |
| 2.5.4 单耗法 |
| 2.5.5 灰色预测法 |
| 2.5.6 优选组合预测法 |
| 2.6 虚拟预测 |
| 2.7 基于预测有效度的最优组合筛选法 |
| 2.8 本章小结 |
| 第3章 丽水地区用电状况分析 |
| 3.1 丽水地区概况 |
| 3.1.1 国民经济和社会发展现状 |
| 3.1.2 电力系统概况 |
| 3.2 地区负荷特性分析 |
| 3.2.1 产业和居民生活用电情况分析 |
| 3.2.2 用电量增长趋势分析 |
| 3.2.3 负荷情况特性分析 |
| 3.3 产业布局影响分析 |
| 3.4 本章小结 |
| 第4章 丽水地区中长期电力负荷预测 |
| 4.1 丽水地区用电量虚拟预测 |
| 4.1.1 弹性系数法 |
| 4.1.2 人均用电量法 |
| 4.1.3 产值单耗法 |
| 4.1.4 回归分析法 |
| 4.1.5 灰色预测法 |
| 4.1.6 组合预测方法筛选 |
| 4.2 丽水地区最大负荷虚拟预测 |
| 4.2.1 最大负荷小时数法 |
| 4.2.2 回归分析法 |
| 4.2.3 灰色预测法 |
| 4.2.4 组合预测方法筛选 |
| 4.3 丽水地区“十三五”期间电量负荷预测 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、浅谈小水电需用电量预测技术（论文参考文献）
- [1]水光蓄互补发电系统运行控制策略研究[D]. 王子伊. 北京交通大学, 2021(02)
- [2]基于深度强化学习的水—光—蓄互补系统智能调度研究[D]. 李涛. 电子科技大学, 2021(01)
- [3]基于机器学习的智能电网短期电力负荷预测研究[D]. 朱常荣. 昆明理工大学, 2020(05)
- [4]新形势下广东山区500千伏变电站建设可行性研究[D]. 吴昊. 广东工业大学, 2020(06)
- [5]基于负荷和功率预测的水-风-光微电网运行优化研究[D]. 赵俊浩. 广东工业大学, 2020(02)
- [6]计及规模化风电接入的地区电网运行经济性分析及调度策略研究[D]. 刘礼邦. 三峡大学, 2020(06)
- [7]含小水电的水光储微电网优化运行研究[D]. 耿华阳. 北京交通大学, 2019(01)
- [8]广东省韶关市中低压配电网规划研究[D]. 燕宪瑞. 广东工业大学, 2019(02)
- [9]大气污染防治背景下的电力需求侧管理优化研究[D]. 宋宗耘. 华北电力大学(北京), 2018(04)
- [10]丽水地区电网中长期负荷预测的研究[D]. 程林. 华北电力大学(北京), 2017(03)