基于某地区的电力负荷特性分析与预测

基于某地区的电力负荷特性分析与预测

论文摘要

近些年来,伴随着我国经济等各方面的发展,我国电力市场也发生了相应的改变,特别是各地电力负荷特性也有了不同程度的变化,但是对负荷特性方面的研究则相对滞后并在一定程度上影响了相关工作顺利进行,为了保证电网安全经济运行并能为电力用户提供高质量的服务,有必要对电力负荷特性进行相应的分析。本文首先采用传统负荷指标分析的方法对我国某地区的负荷特性进行了初步分析,然后,针对传统负荷指标分析法的缺陷,采用功率谱分析的方法将对负荷特性进行分析的工作由时域引入到频域中作了进一步的分析,得到了一些具体的结论,最后,本文采用机器学习领域中在解决小样本、高维数、非线性的回归问题时表现突出的支持向量机算法对该地区负荷特性进行了预测,并给出了相关的建议。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第一章 绪论
  • 1.1 本文研究的背景和意义
  • 1.2 研究的历史和现状
  • 1.3 本文所做的主要工作
  • 第二章 负荷特性分析
  • 2.1 引言
  • 2.2 传统的负荷特性指标体系
  • 2.2.1 日负荷特性指标
  • 2.2.2 月负荷特性指标
  • 2.2.3 年(季)负荷特性指标
  • 2.3 功率谱分析
  • 2.3.1 传统指标分析的缺陷
  • 2.3.2 功率谱分析概述
  • 2.3.3 功率谱分析指标
  • 2.4 实例分析
  • 2.4.1 年负荷特性分析
  • 2.4.2 月负荷特性分析
  • 2.4.3 日负荷特性分析
  • 2.4.4 功率谱分析
  • 2.5 本章小结
  • 第三章 负荷预测
  • 3.1 引言
  • 3.2 支持向量机模型
  • 3.2.1 统计学理论基础
  • 3.2.2 支持向量机算法原理
  • 3.2.3 支持向量机算法的特点
  • 3.3 实例分析
  • 3.4 本章小结
  • 第四章 建议与结论
  • 4.1 建议
  • 4.2 结论
  • 第五章 展望
  • 参考文献
  • 附录
  • 硕士阶段公开发表的论文
  • 致谢
  • 相关论文文献

    • [1].电力负荷控制技术应用及发展研究[J]. 中国设备工程 2020(08)
    • [2].基于双图正则非负低秩分解的电力负荷短期预测[J]. 计算机与现代化 2020(05)
    • [3].气象因子对夏季最大电力负荷的敏感性分析[J]. 气象 2020(09)
    • [4].辽宁省日最大电力负荷与气象因子的关系[J]. 科技与创新 2019(19)
    • [5].电网供电系统电力负荷调控[J]. 内蒙古科技与经济 2019(22)
    • [6].北京市夏季日最大电力负荷与气象因子的关系[J]. 气象与环境学报 2018(03)
    • [7].电力负荷数据预测方法模型的设计[J]. 电子技术与软件工程 2017(12)
    • [8].基于滤波技术的上海日最大电力负荷气象预报模型[J]. 气象科技 2015(06)
    • [9].基于主成分分析的BP神经网络预测电力负荷[J]. 数学学习与研究 2016(23)
    • [10].北京夏季日最大电力负荷预报模型建立方法探讨[J]. 气候与环境研究 2013(06)
    • [11].新冠疫情期间陕西学校暑期短期电力负荷大数据分析[J]. 电网与清洁能源 2020(11)
    • [12].基于大数据的电力负荷预测算法[J]. 电子技术与软件工程 2020(10)
    • [13].基于概率统计的电力负荷时间序列预测模型[J]. 现代电子技术 2020(21)
    • [14].基于大数据的电力负荷自动监测系统设计[J]. 电子设计工程 2019(08)
    • [15].短期电力负荷组合预测分析方法研究[J]. 自动化与仪器仪表 2017(03)
    • [16].孤岛发电站电力负荷分级管理的重要性及应用[J]. 电工文摘 2017(04)
    • [17].电力负荷控制技术运用分析[J]. 电子技术与软件工程 2016(01)
    • [18].基于粒子群算法搜索的非侵入式电力负荷分解方法[J]. 电力系统保护与控制 2016(08)
    • [19].基于特性融合的电力负荷建模[J]. 电网技术 2015(05)
    • [20].电力负荷控制技术及应用研究[J]. 智富时代 2016(01)
    • [21].非平均权重条件下电力负荷组合预测模型研究[J]. 山东电力高等专科学校学报 2013(03)
    • [22].电力负荷控制技术及其在需求侧管理中的应用[J]. 机电信息 2011(18)
    • [23].基于SARIMA-GRNN-SVM的短期商业电力负荷组合预测方法[J]. 电力系统及其自动化学报 2020(02)
    • [24].基于电力负荷趋于饱和的电源布局和电网目标网架研究[J]. 能源与环境 2016(06)
    • [25].电力系统短期负荷预测方法的研究和实现[J]. 赤峰学院学报(自然科学版) 2016(21)
    • [26].基于小波分析的电力负荷数据研究[J]. 中国新技术新产品 2017(10)
    • [27].体感温度对夏季气象负荷率变化的影响研究——以湖北省黄石市为例[J]. 气象 2017(05)
    • [28].基于相空间分析的电力负荷序列预测算法[J]. 电力与能源 2016(03)
    • [29].电力负荷特性分析及中长期负荷预测方法研究[J]. 电子测试 2016(21)
    • [30].电力负荷控制技术应用探析[J]. 科技创新与应用 2014(35)

    标签:;  ;  ;  ;  

    基于某地区的电力负荷特性分析与预测
    下载Doc文档

    猜你喜欢