基于混沌神经网络的热电厂电价预测及热电优化分配的研究

论文摘要

随着我国热电联产事业的发展,电力市场化改革的深入,热电企业竞价上网有利于体现市场公平,有利于热电联产企业的发展。在这种情况下,热电厂要未雨绸缪,一方面要求企业深入了解目前竞价上网机制,对次日市场出清电价有所预期,提高企业的竞争能力;另一方面要求企业有效的降低能源消耗,提高利润空间,由于机组性能不同,在不同的负荷情况下耗量也不同,所以如何在给定负荷条件下使企业内运行机组的耗量之和最小成为企业关注的问题。本文针对这两个方面分别进行了研究,并给出有效的解决方案。首先通过对电价序列和负荷序列的混沌分析和对表征混沌特性关联维数的计算结果,发现电价和负荷序列不是随机序列,而是混沌时间序列,使我们对电价序列的复杂性有了新的认识,并可应用混沌理论对电价进行短期预测。其次以混沌时间序列的相空间重构为基础,提出了基于多变量相空间重构理论与混沌神经网络理论的电价预测方法,充分反映了电价数据本身的变化规律和模型的动态性,进而有效地提高电价预测的精度。再次通过深入研究热电联产企业的热力和电力分配的特点,对热电联产企业的不同类型的机组进行了研究。并且针对热电联产企业通常存在母管制和单元制两种不同的原则性热力系统。分别对单元制系统和母管制系统的负荷分配进行了建模研究。最后针对热电优化分配需同时要满足电力和热力的需求,又要使本厂的燃料消耗费用最小,这通常是一个矛盾体。提出多目标粒子群算法,通过给出一组决策意见,包括燃料消耗最小情况、电力平衡偏差最小情况、热力平衡偏差最小情况等,供决策者在不同的环境条件下做出最有利于本企业的决策。并且在算法研究过程中,采用自适应动态改变惯性权值和对不活跃的粒子施加扰动的方法对算法进行了改进。提高了算法的速度和稳定性。本文用VC++6.0建立了供决策者参考的决策支持系统,界面友好,操作简单,算法有效,可为热电企业竞价和机组优化分配提供决策参考意见。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 本文的课题背景与意义
• 1.1.1 发展热电联产的重要意义
• 1.1.2 国内外热电联产发展现状
• 1.1.3 我国热电联产面临的问题和解决途径
• 1.1.4 本文研究的意义
• 1.2 本文的研究方法讨论
• 1.2.1 电价预测研究现状
• 1.2.2 热电负荷优化分配研究现状
• 1.3 本文研究的主要工作
• 2 系统边际电价概述
• 2.1 电力市场的交易模式
• 2.2 系统边际电价形成机制
• 2.3 系统边际电价特点
• 2.4 影响系统边际电价的主要因素
• 3 电价时间序列和负荷时间序列的混沌特性分析
• 3.1 混沌理论基础
• 3.1.1 混沌的基本概念
• 3.1.2 奇异吸引子
• 3.1.3 混沌时间序列
• 3.2 混沌时间序列的判别
• 3.2.1 庞加莱截面法
• 3.2.2 功率谱分析法
• 3.2.3 Lyapunov指数法
• 3.2.4 关联维数法
• 3.3 混沌时间序列重构相空间
• 3.3.1 相空间重构
• 3.3.2 相空间重构参数的确定
• 3.4 电价序列和负荷序列混沌特性分析实例
• 3.4.1 电价序列和负荷序列数据标准化处理
• 3.4.2 电价序列和负荷序列的相空间重构
• 3.4.3 电价序列和负荷序列的混沌性判别
• 4 短期边际电价预测模型方法及应用的研究
• 4.1 混沌时间序列的预测方法
• 4.1.1 全局预测法
• 4.1.2 局部预测法
• 4.2 单变量时间序列的前馈型神经网络预测模型
• 4.2.1 前馈型神经网络模型
• 4.2.2 反向传播学习算法
• 4.2.3 单变量时间序列的前馈型神经网络预测
• 4.3 多变量时间序列的混沌神经网络预测模型
• 4.3.1 增加预测变量──多变量相空间重构
• 4.3.2 进一步筛选扬样本──利用关联度准则
• 4.3.3 改进神经网络模型──建立混沌神经网络模型
• 4.3.4 多变量时间序列的混沌神经网络预测
• 4.4 短期边际电价预测在热电厂的应用
• 5 热电联产企业供热和发电负荷优化分配研究
• 5.1 热电联产企业供热和发电负荷优化分配的特点
• 5.1.1 热电联产企业供热和发电负荷优化分配的特点
• 5.1.2 热电企业机组的种类与特点
• 5.2 负荷优化分配目标函数的确定
• 5.3 供热和发电负荷优化分配数学模型
• 5.3.1 单元制系统机组模型
• 5.3.2 母管制系统机组模型
• 6 多目标粒子群算法的优化分配模型
• 6.1 基本粒子群算法
• 6.1.1 粒子群算法的原理
• 6.1.2 粒子群算法的步骤
• 6.1.3 粒子群算法的参数控制
• 6.2 多目标粒子群算法
• 6.2.1 多目标粒子群算法基本原理
• 6.2.2 多目标粒子群算法步骤
• 6.2.3 多目标粒子群算法的关键操作
• 6.3 多目标粒子群算法的优化分配实例
• 6.3.1 单元制机组优化分配实例
• 6.3.2 母管制机组优化分配实例
• 7 软件开发与实现
• 7.1 开发环境
• 7.2 系统设计框架
• 7.3 系统模块介绍
• 7.3.1 电力市场信息查询
• 7.3.2 系统边际电价预测
• 7.3.3 电价预测准确度验证
• 7.3.4 机组信息查询与修改
• 7.3.5 负荷分配的计算
• 8 结论与展望
• 8.1 结论
• 8.2 展望
• 参考文献
• 作者简历
• 学位论文数据集