一、2004年6～8月湖北电网负荷与气温关系的分析（论文文献综述）
贺莉微,任永建,夏青[1]（2021）在《不同舒适度指数在最大电力负荷预测中的应用》文中指出利用2008—2019年湖北省荆州、荆门、宜昌、咸宁、随州地区日最大电力负荷值和同期国家气象观测站气象资料,分析最大气象负荷的变化率(Lpm)与温湿指数（I）、气象敏感负荷条件指数（MSLI）、人体舒适度（ET）、体感温度指数（Te）等4种舒适度指数和温度的关系,采用多元回归和BP神经网络方法建立基于上述4种舒适度指数的日最大电力负荷预测模型。结果表明:Lpm与气温、4种舒适度指数在夏季呈正相关,冬季呈负相关,且夏季相关性比冬季显着;综合温度、湿度、风速的4种舒适度指数的变化能够引起Lpm的变化,且这种变化在夏季,尤其是7月和8月更明显;BP神经网络模型和多元回归模型的误差基本控制在电力部门的要求范围内;BP神经网络预测效果优于多元回归,后期业务应用中荆门和咸宁地区建议选取ET指数,其他地市4种指数皆可。
苏启超[2]（2021）在《浙江电网企业现货市场中的现金流智能预测研究》文中认为2017年9月,国家发改委和国家能源局联合印发了《关于开展电力现货市场试点工作的通知》,将广东、浙江、山东等8个地区选为首批电力现货市场建设试点。此后,这些试点地区陆续发布了具体的电力现货市场建设方案,并在此基础上开展电力现货市场的试运行工作。随着浙江电力现货市场的建设,电力市场结构逐渐发生转变,与现货市场中的企业现金流密切相关的业务模式与盈利方式发生重大变革,收支预测的不确定性将大大增加,实际资金管控困难不断提升。在此背景下,引入人工智能预测方法,对浙江电网现货市场中的现金流进行研究,构建面向现金流中特定对象的智能预测模型,具有积极意义。本文首先全面梳理了国内外相关文献和资料的基础,分析并总结了国内外关于电力现货市场、现金流管理以及预测技术的研究动态,对常用的预测方法和影响因素挖掘方法进行了总结分析,并对浙江电力现货市场的建设现状进行了简要分析;其次,针对现货市场中现金流影响因素的企业数据空间,从经济和气象两个方面分析,初步选取了 22个影响因素,提出了浙江电网基于弹性网络和灰色关联分析相结合的影响因素挖掘方法,对现货市场中的现金流关键影响因素进行识别,筛选出了与现金流最为密切相关的变量,得到了预测模型的关键影响因素;接下来,本文提出了浙江电网数据空间中基于智能挖掘方法的改进SVM-LSTM月度售电量预测模型,分别运用GWO-SVM模型和LSTM模型进行训练和预测,然后运用方差法将各个模型的预测结果组合,得到最终的预测结果,并且使用浙江电网的历史数据验证了该模型的可行性和准确性;最后,本文依托数据挖掘技术,以浙江电网现货市场中的现金流为研究对象,构建了浙江电网现货市场中基于售电量智能预测的现金流智能预测模型,并进行了模型的实证研究,为现金流预测提供了新的方法。本文的研究成果有助于浙江电网进一步统筹资金,合理地安排电网建设资金的投入,提高浙江电网的资金利用效率,改善企业经营状况。同时,还可以帮助浙江电网研究自身业务与现货市场之间的动态关系,有利于浙江电网针对电力现货市场进行适当的业务设计,更好的迎接电力改革带来的挑战。
张文华[3]（2021）在《面向系统灵活性的高比例可再生能源电力规划研究》文中研究表明2020年我国“30·60”双碳目标的提出,进一步提高了中国在国家自主贡献中的力度,对中国高质量能源发展提出了新要求。自此,构建高比例可再生能源的新型电力系统成为实现“30·60”双碳目标的必由之路。然而,在走向高比例可再生能源电力系统新形态的路上,存在诸多管理决策方面亟待解决的问题,其中极为突出的就是大规模可再生能源消纳的相关问题。随着可再生能源渗透率的提高,电力系统将面临更大的波动性和供应的不确定性。为避免出现大量弃风、弃光的情况发生,提升系统灵活性是最直接有效的解决办法。对此,研究建立并完善提高系统灵活性、促进可再生能源消纳的中长期电力规划模型,探索电力行业优化发展路径,有助于为能源监管部门提供科学的管理决策依据,减少无效投资,对“十四五”规划乃至2035年远景规划有重大参考价值。基于此,本文首先从能源“不可能三角”理论出发,以“安全、经济、低碳”三元目标为优化方向,从基于组合预测的中长期电力需求预测模型研究、基于系统成本的电力资源技术经济分析与增长潜力研究,以及供需两侧资源协同优化的电力规划模型研究三个方面构建了面向系统灵活性的高比例可再生能源电力规划研究体系。其次,通过构建基于MLR-ANN（多元回归和人工神经网络耦合）的全社会用电量预测模型和基于Gompertz曲线的电力经济增长规律分析模型,系统LCOE（系统平准化发电成本）技术经济分析模型和基于双因素学习曲线的电力资源成本下降趋势模型,以及面向系统灵活性的高比例可再生能源电力规划模型等模型,建立了新型的中长期电力规划思维范式。然后,本文也应用所构建模型分析了不同政策情景下2021-2035年中国电力行业潜在的发展路径,并运用电力系统运行模拟方法对形成的规划方案进行了可靠性验证。最后,针对优化路径,提出了公正合理的政策建议,为国家能源高质量发展献策。具体来说,本文的主要研究内容及基本结论包括以下几个方面:（1）系统灵活性和中长期电力规划相关基础理论研究。从能源“不可能三角”理论出发,以“安全、经济、低碳”三元目标为优化方向,阐述了面向系统灵活性的高比例可再生能源电力规划研究优化思路,形成了从基于组合预测的中长期电力需求预测模型研究、基于系统成本的电力资源技术经济分析与增长潜力研究,以及供需两侧资源协同优化的电力规划模型研究三个方面构建面向系统灵活性的高比例可再生能源电力规划研究体系的整体思路。（2）电力行业发展现状分析。重点梳理和分析了近20年来我国电力行业在电源结构、跨省跨区输电线路和全社会用电量等主体构架方面的变化趋势,以及发电技术经济性、线损、厂用电率、煤耗、需求响应规模等成本效率方面的演变趋势。为面向系统灵活性的高比例可再生能源电力规划模型的构建和电力行业优化路径的探索提供了参数设定依据。（3）基于组合预测的中长期电力需求预测模型研究。首先,重点分析了引起全社会用电量变化的相关因素,基于MLR模型进行了相关性分析,提取了影响全社会用电量变化的显着影响变量。并通过时间序列ANN模型和最小二乘法,分别预测了显着影响变量的未来值。其次,通过构建的基于MLR-ANN的全社会用电量预测模型,分别用两组数据预测了我国2021-2035年的全社会用电量。然后,基于Gompertz曲线模型对主要发达国家电力经济发展规律进行了分析和总结,研究了用电量“拐点”的问题。最后,整合了国内外权威研究机构对中国电力需求预测的结果,结合对中长期电力经济发展规律研究的结论,对本文构建的基于MLR-ANN的全社会用电量预测模型结果进行了校验。结果表明,本文构建的“MLR+最小二乘+ANN”预测模型具有较高的预测精度,预测结果可靠。（4）基于系统成本的电力资源技术经济分析与增长潜力研究。首先,分别构建了以系统成本为核算基础的系统LCOE技术经济分析模型和基于双因素学习曲线的电力资源成本下降趋势模型,补充了已有的技术成本分析研究中存在的灵活性和需求侧资源考虑缺失的问题。然后,充分模拟电力市场环境,利用所构建模型分析了 2021-2035年不同电力资源竞争力情况。最后,基于电力市场化背景,综合不同电力资源竞争力分析结论,分析了各类发电资源和需求侧灵活性资源的年均新增规模及发展潜力,为面向系统灵活性的高比例可再生能源电力规划模型约束条件设立了较为客观的定义域。（5）供需两侧资源协同优化的电力规划模型研究。首先,基于电力规划基本原理,通过对高比例可再生能源电力系统新形态特性的分析,论述了中长期规划视角中需充分考虑满足系统灵活性要求,进而适应高比例可再生能源电力系统新形态的必要性。其次,以中长期电力规划模型作为切入点,嵌入电力行业碳达峰约束与灵活性平衡约束进行优化,构建基于系统灵活性的供需两侧资源协同优化的新型电力规划模型,并叠加前文子模型的互动,共同形成了面向系统灵活性的高比例可再生能源电力规划模型。然后,基于所构建的MLR-ANN中长期电力需求预测模型、系统LCOE模型以及双因素学习曲线模型所得出的基本结论,构建的基准情景、加强政策情景、“碳中和”情景以及1.5℃情景等四种不同政策情景,应用该模型模拟分析了不同政策情景下2021-2035年全国层面和局部区域电力规划方案,探索了 2021-2035年我国电力行业优化发展路径。最后,采用运行模拟进一步验证了模型的有效性。结果显示,本文所建立的规划模型呈现的规划方案能满足各项约束条件,是一个优化的结果。（6）政策建议。基于不同政策情景下全国层面和局部区域电力规划方案对比分析结论,分别从电源侧、电网侧以及需求侧等多个方面提出了保障优化路径得以实施的相关政策建议。同时,还针对优化路径引发的相关公正转型问题进行了论述,提出了相应的政策建议。
王丽娟,任永建,陈正洪,何明琼,陈英英,李芬,刘静[4]（2021）在《基于气温累积效应和炎热指数的夏季日最大电力负荷预测研究》文中进行了进一步梳理基于湖北省武汉市2008—2016年每日24 h间隔15 min的96个点的电力负荷数据中统计出的日最大、最小负荷数据及同期武汉站的日气象要素资料（剔除节假日及周末数据）,分析了电力负荷与气温的相关性。考虑气温累积效应对电力负荷的影响,建立了气温累积效应的日最高气温修正公式,并利用实例验证了最高气温累积效应对最大电力负荷的影响。引入具有代表性的夏季人体舒适度——炎热指数,将修正后的日最高气温、炎热指数及最大电力负荷作为输入层,利用改进的BP神经网络（基于粒子群优化BP神经网络）对日最大电力负荷进行预测。结果表明:夏季日最大、最小电力负荷与最高气温、最低气温相关性较好,其中下半年日最大电力负荷与日最高气温相关系数均超过0.7,并存在气温累积效应;气温累积效应系数修正后的日最高气温与日最大电力负荷的相关性提升显着,均上升到92%以上,说明夏季最高气温累积效应是明显存在的。考虑日最高气温的累积效应,利用改进的BP神经网络预测模型预测日最大电力负荷,预测精度较高,预测结果能更好地为电力调度及安全运行提供参考依据。
黄春辉[5]（2020）在《泛在电力物联网下售电公司-电动汽车互动电价方案研究》文中提出新一轮电力体制改革下产生的售电公司,如何利用庞大的数据信息,在电力市场竞争中获得最大利润,成为其关注的核心问题。获得利润大小的关键,在于售电公司的偏差考核机制。为了减少考核费用,本文在泛在电力物联网背景下,运用机器学习方法进行负荷预测,从引导电动汽车合作,寻求弥补偏差考核电量的角度对售电公司展开了研究。本文首先运用演化博弈论,构建售电公司与电动汽车用户互动博弈的模型,通过李雅普诺夫稳定性理论计算出互动模型的各类平衡点,通过分析双方的合作关系,确定在互动过程中影响双方合作的因素。通过实际算例分析,求解出合理的电动汽车充放电电价范围,推导出具有合作意义的最小可行偏差率曲线,为售电公司是否进行互动合作提供参考。在此基础上,本文进一步深入分析售电公司面对可能的负偏差考核时的应对措施。采用Elman神经网络,结合泛在电力物联网数据共享平台提取的气象数据,对用户负荷进行预测;根据售电公司当月后15天的可预见售电量,判断是否存在偏差电量风险。分析当前售电公司-电动汽车用户互动策略下,售电公司受偏差考核的风险;根据激励电价和电动汽车用户参与调控积极性的关系,制定可行的合作电价,动态调控引导电动汽车用户充放电电价,最终达到售电公司收益和受偏差考核机制风险的平衡。算例结果表明,通过本文所提互动模型和互动方法,可有效避免售电公司受偏差电量考核的风险;并在满足偏差电量的条件下,促进售电公司和电动汽车用户合作,使双方获得更高收益。
陆明珍[6]（2020）在《考虑实时气象因素的电网短期负荷预测建模》文中认为短期负荷预测主要是指对未来短期时间段内的电力负荷作预测,其干系电力系统制定安全、可靠、经济的运行策略,作用关键、责任重大。随着经济增长调温负荷的基数也不断上升,日负荷峰谷差不断拉大,这让电网负荷预测工作面临新挑战的同时,对预测准确度提出了较以往更高的要求。然而每日中的气象因素在每时每刻不尽相同,对负荷便具有“实时性”影响。在短期负荷预测工作中充分利用大数据优势深度挖掘负荷、气象信息的潜在规律,研究气象因素对负荷曲线的实时性影响,建立可以切实反映短期负荷变化规律的预测模型,对于提高其预测精度水平,促进负荷预测工作精细化管理具有重要意义。本文通过收集资料、对电网负荷特性作分析、搭建短期负荷预测模型等方法,提出了一种基于时域卷积网络的短期负荷预测方法以及一种时域卷积网络和最小二乘支持向量机组合预测模型。本论文的主要研究内容为:（1）从年、周、日等时间尺度挖掘电网负荷蕴含的负荷特性周期规律,进而在此基础上,对负荷以及气象资料等数据进行处理,从日特征以及实时特征的角度细致分析了气象因素与负荷的相关性。在考虑日特征量的基础上增加实时气象因素来进行相似日选取,基于加权灰色关联度理论提出了一种采用混合日特征量和实时气象特征量的相似日选取方法,并与日特征量相似日选取法作比较,结果表明本文提出的混合特征量相似日选取法更利于搜索最佳相似日。（2）考虑到气象对负荷变化的影响具有“实时性”以及“时差性”的特点,引入各项实时气象因素包括实时综合气象指数作为模型输入的一部分,采用能够充分考虑并包容实时气象因素与负荷之间“时差性”影响的时域卷积网络进行电网短期负荷预测建模,即基于时域卷积网络提出了一种考虑实时气象耦合作用的短期负荷预测建模方法。实验仿真以某地区市级电网实际负荷为例,研究表明该预测模型能够有效提升电网短期负荷预测精度。（3）为进一步提升预测精度,本文基于优势矩阵法提出了TCN和IPSO-LSSVM组合预测模型,并通过实例仿真验证该组合预测模型相比于原来的单项预测模型具有更好的预测效果。
祝聪聪[7]（2020）在《基于多因素和多维度的电力需求预测方法及应用研究》文中认为安全、稳定的电网环境是社会经济快速发展的重要保障,科学有效的电力需求预测是进行电力市场营销、电力系统规划、电力市场分析和电力企业决策的重要基础。国内外致力于研究电力需求的研究者很多,经过多年的研究,电力需求预测已经有很多方法和理论基础,一直以来在进行电力需求预测的过程中,寻找并确定影响电力需求的因素及机理一直是需要研究的热点问题,并且随着经济的发展和科技的进步,影响因素也随之变化。众多外部环境和内部因素都会影响电力需求,加大了复杂环境下电力需求预测的困难。基于此,本文立足于经济转型、能源转型及电力市场化改革背景下的电力需求预测问题,开展了下述研究工作:（1）在分析短期及长期电力需求影响因素的基础上,运用计量经济学工具探讨了我国部分省市经济发展因素与电力消费相关性,为后文构建电力需求预测模型时选取影响因素提供了依据;（2）从电力负荷相关特性的角度出发,考虑经济运行指标及月度气象指标等众多影响因素,构造基于SSA-LSSVM的预测模型进行短期（月度）的电力需求预测。（3）结合了人均用电水平法与产值单耗法两种方法的思想,沿用Kaya恒等式的分析方法以及情景分析法,构建了基于Kaya恒等式的考虑多因素的长期电力需求预测模型。（4）以某省为研究样本,通过收集相关历史数据和未来发展情景,利用本文构建的多因素、多维度的电力需求预测模型,分别对其电力需求进行了短期预测和长期预测,对模型和方法的科学性和有效性进行了验证。研究结果表明:（1）经济社会发展因素:GDP、产业结构和城镇化率与电力消费量之间的相关性较强,是影响电力需求的关键因素;（2）通过对S省长期电力需求的预测结果来看,在一产电力强度按照历史趋势、二产电力强度加速下降、三产电力强度下降趋势,城乡居民人均收入-人均GDP弹性、人均生活用电量-人均收入弹性均加速趋势的情境下,电力需求能达到该省的未来规划。综上,本文研究成果对制定相关电力发展政策有一定的参考价值,能够为能源电力需求预测及电力规划提供更为科学合理的建议。本文的主要创新点在于:（1）结合我国实际情况,从短期和中长期两个维度分别分析了影响电力需求预测的主要因素,明确了电力需求与各影响因素的内在联系,为构建于多因素多维度的电力需求预测模型奠定了基础;（2）从经济发展与电力负荷相关特性的角度出发,利用X-12-ARIMA法将数据分解为趋势项、周期项和波动项,利用SSA-LSSVM方法,构建了基于宏观经济主要运行指标和气象因素的月度负荷预测模型。为短期电力需求预测提供了有效工具。（3）将情景分析引入到所建立的Kaya长期电力需求预测模型中,设定各影响因素可能的不同发展情景,然后分情景进行预测,提高了预测结果的可靠性和科学性。
李姚旺[8]（2020）在《先进绝热压缩空气储能系统动态建模、经济性评估及协同调度方法研究》文中研究表明储能技术被认为是解决可再生能源大规模消纳、提高电网运行经济性与安全性的最有效手段之一,被称为能源革命的支撑技术。在诸多储能技术中,先进绝热压缩空气储能（Advanced Adiabatic Compressed Air Energy Storage,AA-CAES）因具有容量大、寿命长、成本低、清洁环保、可多能联储/联供等优点而备受瞩目,被认为是极具发展潜力的大规模储能技术之一。近年来,世界上诸多国家已相继开展了AA-CAES技术的研发工作,并已建成了多座AA-CAES示范电站,这些示范电站的成功运行极大地推动了AACAES技术在电力系统和综合能源系统中的应用。但是,AA-CAES技术目前尚处于工程示范阶段,AA-CAES系统建模与运行理论尚不成熟,亟待进一步研究与完善。鉴于此,本文从AA-CAES系统动态建模技术、经济性评估方法和协同调度策略三个重要方面开展研究,为AA-CAES技术在电力系统和综合能源系统中的应用与推广奠定理论基础。本文的主要工作包括:（1）针对AA-CAES系统动态建模问题,提出了AA-CAES全系统动态仿真建模方法,该方法为研究AA-CAES系统的动态运行特性奠定了基础。首先,基于我国兆瓦级AA-CAES示范系统的实际机型配置情况,构建了AA-CAES系统各关键部件的动态数学模型,进而搭建了各关键部件的动态仿真模型,形成AA-CAES全系统动态仿真元件库。之后,基于实验数据验证了各关键部件仿真模型的准确性和有效性。最后,基于所构建的动态仿真元件库,搭建了兆瓦级AA-CAES全系统仿真模型,并开展了系统全过程动态仿真分析;此外,面向微电网应用场景,详细分析了兆瓦级AA-CAES系统发电过程的动态特性,并基于动态特性分析结果,进一步分析了AA-CAES系统在微电网中用作事故备用电源的技术可行性。（2）针对AA-CAES系统经济效益评估问题,提出了同时考虑AA-CAES系统能量管理功能和事故备用功能的AA-CAES系统经济效益评估方法,并将其应用于面向海岛微电网的兆瓦级AA-CAES系统经济性评估中,该方法对进一步拓展兆瓦级AA-CAES技术的应用场景具有指导意义。首先,构建了面向典型日优化运行的AA-CAES电站运行约束集合。之后,以系统年化全寿命周期成本为评估指标,提出了AA-CAES电站的经济效益评估方法,基于某海岛微电网中的调度资源配置情况和负荷情况,开展了详细的经济性分析。仿真分析结果表明:风光资源丰富、燃料价格高、供电可靠性低、故障恢复时间长的海岛微电网系统能够成为AA-CAES技术的优势应用场景。（3）针对含AA-CAES电站的电力系统日前调度的问题,提出考虑AA-CAES电站备用特性的电力系统日前优化调度策略,该策略充分考虑了AA-CAES电站的备用性能,能够同时优化系统各调度资源的出力计划和备用计划。首先,综合考虑AA-CAES电站运行工况、动态特性、运行状态、气压约束和储热量约束对其备用容量调节范围的影响,建立了AA-CAES电站的备用约束模型。在此基础上,考虑AA-CAES电站、常规机组和风电的协调互动,构建了含AA-CAES电站的电力系统电能与备用日前联合调度模型,模型中针对AA-CAES电站备用容量调节范围不连续的特点,引入了常规机组备用容量购买下限约束,以实现系统备用容量连续可调。仿真结果表明:提供备用能够成为AACAES电站的重要收益来源,且AA-CAES电站的宽工况运行性能对其备用能力影响较大。（4）针对含AA-CAES电站的电力系统实时调度问题,提出了考虑AA-CAES电站变工况特性的电力系统实时调度策略,该策略能够准确反映AA-CAES电站的运行状态,并能够同时优化系统各调度资源在实时调度阶段的出力计划和自动发电控制（Automation Generation Control,AGC）阶段的参与因子。首先,详细分析了AA-CAES电站关键部件在变工况条件下的运行特性,建立了能够反映AA-CAES电站变工况特性的储能电站运行约束模型。然后,考虑AA-CAES电站在AGC阶段的功率调节行为对实时调度的影响,建立了AA-CAES电站AGC容量约束模型。在此基础上,提出了含AACAES电站的电力系统实时调度模型,该模型中考虑了系统AGC容量需求约束、AGC调节速率需求约束和AGC调节任务量需求约束。最后,通过仿真结果验证了调度模型的有效性;同时,仿真结果也表明了在实时调度阶段考虑AA-CAES电站变工况特性的必要性。（5）针对含AA-CAES电站的综合能源系统优化调度问题,提出了考虑AA-CAES电站冷热电联供特性的综合能源系统优化调度策略,该策略能够准确量化AA-CAES电站在各时段的储热状态、供热能力和供冷能力,实现冷、热、电协同优化。首先,详细分析了冷热电联供场景下AA-CAES系统中储热装置的运行特性。然后,计及载热介质的温度动态变化过程,建立了AA-CAES电站的冷热电联合调度约束集合。之后,通过分段线性近似法和二进制离散法,将储热器中载热介质温度和质量的求解过程解耦,从而将调度约束集合中的复杂非线性约束转为其近似线性表达形式。在此基础上,构建了含AA-CAES电站的微型综合能源系统优化调度模型。最后,通过仿真结果验证了调度模型的有效性和准确性。
王沛[9]（2020）在《考虑需求响应的智能小区居民负荷分析及预测模型研究》文中研究说明随着我国社会经济的快速发展,传统电网的应用面临着化石能源枯竭、系统维护不易、用户服务模式单一等问题,在此背景下,智能电网的研究掀起了一股新的热潮,正在逐渐发展为当今世界电力系统变革的新方向。社会的不断发展带来了电能需求的不断增长,而能源危机不断增大导致电能供需矛盾日益突出,需求响应作为智能电网下的重要互动资源,借助于不断发展的智能电网技术,能够很好地解决电能供需问题。电力负荷预测是进行电量平衡分析的基础,是电网建设及城市规划的重要条件,预测结果的准确性也将直接影响着需求响应方案的制定及电网的稳定运行。随着城市居民用电量的逐渐增多,电网负荷峰谷差逐渐拉大,基于智能电网技术并以智能小区为依托,对居民负荷进行精准的预测也将逐渐成为电力需求响应的主要构成部分。基于上述分析,论文的主要研究工作如下:首先,对需求响应机制、智能小区相关理论及电力负荷预测基本方法进行综述,梳理了我国居民参与需求响应的现状,为论文工作的顺利展开提供理论基础。然后,分析了智能小区居民负荷特性及影响因素,分别从年负荷特性、月负荷特性、典型日负荷特性三个层面进行分析,梳理了小区居民的负荷特征,并在此基础上,通过定量与定性分析的方法,分析了气象因素、日类型、日期差距与居民电价等因素对居民负荷的影响程度。其次,基于模糊隶属度函数、时点聚类进行负荷曲线的峰、平、谷时段划分,通过对居民需求价格弹性的分析,模拟分时电价情境,分别提出等量负荷削减模型和等比例负荷削减模型,并通过选取典型日负荷曲线,模拟在电价信号下的居民负荷曲线变动情况,分析了电价需求响应因素对居民用电的影响。接着,考虑到需求响应对负荷预测精准度的要求较高,基于目前使用较为广泛的短期负荷预测方法,结合影响智能小区居民用电的相关因素,提出了一种由集合经验模态分解模型、遗传算法、极限学习机模型组合的分段预测模型,并通过MATLAB进行模拟仿真分析。最后,综合前述分析结果,分别从居民用电特征差异性、居民需求响应电价机制设计、提高需求响应精度的辅助技术、优化配电网运行四个方面提出促进智能小区居民参与需求响应的建议。本文旨在通过对需求响应下的智能小区居民负荷开展分析,并提出智能小区居民负荷电价响应模型及短期负荷预测模型,为电网的安全运行及电力规划提供依据,为需求侧管理提供决策支持。
熊明明,李明财,任雨,徐姝,杨艳娟[10]（2013）在《天津电力负荷特性及其与气象因子的关系》文中研究表明利用天津近30年来的逐年电力负荷数据以及2002—2005年逐时电力负荷资料,分析了天津电力负荷的变化特征,研究了电力负荷与气象因子的关系。结果表明:近30年来,天津电力负荷的长期趋势基本受当地GDP的影响,气温等气象因子的作用不明显;在季节和日尺度上,气温的影响十分显着,7、8月气温每上升1℃,气象负荷将增加120MW左右;除气温的影响外,夏季、初秋相对湿度对电力负荷的影响非常显着,此外,4月、6月、7月和12月还得考虑风的影响;一般来说,夏季最高气温在30℃以上,平均相对湿度大于65%时,才可能出现极端电力负荷。
二、2004年6～8月湖北电网负荷与气温关系的分析（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、2004年6～8月湖北电网负荷与气温关系的分析（论文提纲范文）
（1）不同舒适度指数在最大电力负荷预测中的应用（论文提纲范文）
| 引 言 |
| 1 资料和方法 |
| 1.1 资 料 |
| 1.2 方 法 |
| 1.2.1 气象负荷分离 |
| 1.2.2 舒适度指数 |
| 1.2.3 BP神经网络 |
| 2 Lpm与气温的关系 |
| 3 Lpm与舒适度指数的关系 |
| 4 基于4种舒适度指数的预测模型 |
| 4.1 日最大电力负荷预测模型 |
| 4.2 结果分析 |
| 5 结论与讨论 |
（2）浙江电网企业现货市场中的现金流智能预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究动态 |
| 1.2.1 电力现货市场研究动态 |
| 1.2.2 现金流管理研究动态 |
| 1.2.3 预测方法研究动态 |
| 1.3 研究内容及技术路线 |
| 第2章 基础理论与方法 |
| 2.1 预测相关技术介绍 |
| 2.1.1 传统预测方法 |
| 2.1.2 智能预测方法 |
| 2.2 关键影响因素挖掘方法 |
| 2.2.1 数据空间 |
| 2.2.2 Ridge回归与Lasso回归 |
| 2.2.3 弹性网络 |
| 2.2.4 灰色关联分析 |
| 2.3 本章小结 |
| 第3章 浙江电力现货市场现状分析 |
| 3.1 试点地区电力现货市场现状分析 |
| 3.1.1 现货市场建设架构 |
| 3.1.2 现货市场衔接机制 |
| 3.1.3 现货市场运营机制 |
| 3.1.4 现货市场建设中存在的问题 |
| 3.2 浙江电力现货市场特点分析 |
| 3.3 本章小结 |
| 第4章 浙江电网现货市场中的现金流入智能预测 |
| 4.1 月度售电量智能预测 |
| 4.1.1 数据空间中基于弹性网络和灰色关联分析的影响因素挖掘 |
| 4.1.2 基于改进SVM-LSTM的月度售电量智能预测模型 |
| 4.1.3 预测结果 |
| 4.2 月度售电价预测 |
| 4.3 基于月度售电量与电价预测的月度现金流入计算 |
| 4.4 本章小结 |
| 第5章 浙江电网现货市场中的现金流出智能预测 |
| 5.1 基于售电量智能预测的购电量计算 |
| 5.2 基于月度购电量与电价预测的月度现金流出计算 |
| 5.3 本章小结 |
| 第6章 浙江电网现货市场中现金流计算结果 |
| 6.1 现货市场中的现金流计算 |
| 6.2 浙江电网现金流管理策略 |
| 6.2.1 电力现货市场对浙江电网的影响 |
| 6.2.2 浙江电网现货市场中现金流预测展望 |
| 6.3 本章小结 |
| 第7章 研究成果及结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及其它成果 |
| 致谢 |
（3）面向系统灵活性的高比例可再生能源电力规划研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及其意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及发展动态 |
| 1.2.1 中长期电力规划模型 |
| 1.2.2 不同发电技术经济性评价 |
| 1.2.3 中长期电力需求预测 |
| 1.2.4 煤电供给侧改革与灵活性改造 |
| 1.2.5 促进系统灵活性的市场政策机制 |
| 1.3 研究内容 |
| 1.3.1 研究总体思路 |
| 1.3.2 研究目标 |
| 1.3.3 研究重点 |
| 1.3.4 研究难点 |
| 1.3.5 研究路线图 |
| 1.4 研究成果及创新 |
| 1.5 本章小结 |
| 第2章 系统灵活性和中长期电力规划相关理论基础 |
| 2.1 引言 |
| 2.2 能源“不可能三角”理论 |
| 2.3 电力系统灵活性基本内涵 |
| 2.4 中长期电力需求预测方法 |
| 2.4.1 传统需求预测模型 |
| 2.4.2 基于计算机软件的需求预测模型 |
| 2.5 系统优化算法 |
| 2.5.1 粒子群算法 |
| 2.5.2 蚁群算法 |
| 2.5.3 遗传算法 |
| 2.6 本章小结 |
| 第3章 中国电力行业发展现状分析 |
| 3.1 引言 |
| 3.2 中国电力行业主体构架发展现状分析 |
| 3.2.1 发电装机容量 |
| 3.2.2 跨省输电线路 |
| 3.2.3 全社会用电量 |
| 3.3 中国电力行业成本效率发展现状分析 |
| 3.3.1 发电技术经济性 |
| 3.3.2 线损和厂用电率 |
| 3.3.3 发电煤耗和供电煤耗 |
| 3.3.4 需求响应规模 |
| 3.4 本章小结 |
| 第4章 基于组合预测的中长期电力需求预测模型研究 |
| 4.1 引言 |
| 4.2 基于MLR-ANN的中长期全社会用电量预测模型构建 |
| 4.2.1 MLR基本原理 |
| 4.2.2 ANN基本原理 |
| 4.2.3 基于MLR-ANN的全社会用电量预测模型 |
| 4.3 全社会用电量相关影响因素分析及其数据整理 |
| 4.3.1 全社会用电量相关影响因素分析 |
| 4.3.2 全社会用电量影响因素数据整理 |
| 4.4 基于MLR-ANN的2021-2035年全社会用电量预测 |
| 4.4.1 用电量显着影响变量提取 |
| 4.4.2 2021-2035年显着影响变量预测 |
| 4.4.3 2021-2035年全社会用电量预测 |
| 4.5 电力需求预测定性分析与结果修正 |
| 4.5.1 基于Gompertz曲线的电力经济增长规律分析与国际比较 |
| 4.5.2 不同研究机构对中国电力需求预测结果对比 |
| 4.5.3 中国电力需求预测结果校验 |
| 4.6 本章小结 |
| 第5章 基于系统成本的电力资源技术经济分析与增长潜力研究 |
| 5.1 引言 |
| 5.2 基于系统LCOE和双因素学习曲线的电力资源技术经济分析 |
| 5.2.1 LCOE模型基本原理 |
| 5.2.2 系统LCOE技术经济分析模型构建 |
| 5.2.3 基于双因素学习曲线的电力资源成本下降趋势模型构建 |
| 5.2.4 2021-2035年不同电力资源竞争力分析 |
| 5.3 电力资源增长潜力分析 |
| 5.3.1 各类电力资源禀赋分布及新增电源布局 |
| 5.3.2 各类电力资源增长潜力分析 |
| 5.3.3 区域电力流向及传输规模分析 |
| 5.4 本章小结 |
| 第6章 供需两侧资源协同优化的中长期电力规划模型研究 |
| 6.1 引言 |
| 6.2 面向系统灵活性的高比例可再生能源电力规划模型构建 |
| 6.2.1 电力规划模型基本原理及衍生 |
| 6.2.2 供需两侧资源协同优化的电力规划模型基本特征 |
| 6.2.3 高比例可再生能源电力系统新形态特性分析 |
| 6.2.4 模型目标函数 |
| 6.2.5 模型约束条件 |
| 6.3 全国层面电力规划方案对比分析 |
| 6.3.1 情景设定 |
| 6.3.2 参数设定 |
| 6.3.3 电力规划方案对比分析 |
| 6.4 区域电力规划方案对比分析 |
| 6.4.1 电力资源现状分析 |
| 6.4.2 基于系统LCOE的各类发电资源技术经济分析 |
| 6.4.3 参数设定 |
| 6.4.4 电力规划方案对比分析 |
| 6.5 电力规划方案运行模拟 |
| 6.5.1 运行模拟与系统灵活性定量评估方法 |
| 6.5.2 典型场景下区域电网运行模拟 |
| 6.6 本章小结 |
| 第7章 政策建议 |
| 7.1 引言 |
| 7.2 政策建议 |
| 7.3 本章小结 |
| 第8章 结论与展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）基于气温累积效应和炎热指数的夏季日最大电力负荷预测研究（论文提纲范文）
| 引 言 |
| 1 资 料 |
| 2 方 法 |
| 2.1 粒子群优化BP神经网络算法 |
| 2.2 炎热指数的计算公式 |
| 2.3 建立气温累积效应修正公式 |
| (1)kj划分区间 |
| (2)算法步骤 |
| 2.4 基于粒子群优化BP神经网络的电力负荷预测方法 |
| 2.5 预测结果评定方法 |
| 3 气温与日最大电力负荷相关性分析 |
| 3.1 气温与日最大电力负荷的相关系数 |
| 3.2 气温累积效应的电力负荷与气温的关联性分析 |
| 3.2.1 气温累积效应对电力负荷的影响 |
| 3.2.2 气温累积效应修正分析 |
| 4 基于PSO-BP短期电力负荷预测 |
| 5 结 论 |
（5）泛在电力物联网下售电公司-电动汽车互动电价方案研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 UPIoT相关技术研究现状 |
| 1.2.2 负荷预测和机器学习研究现状 |
| 1.2.3 售电公司和偏差考核机制研究现状 |
| 1.3 本文的主要研究工作 |
| 第2章 算法与理论基础分析 |
| 2.1 Elman神经网络的构建 |
| 2.2 偏差考核机制及相关指标 |
| 2.3 演化博弈论原理 |
| 2.4 本章小结 |
| 第3章 售电公司-EV互动基本调控策略 |
| 3.1 互动博弈模型的建立及分析 |
| 3.1.1 售电公司-EV互动基础 |
| 3.1.2 售电公司-EV用户的四种互动模型 |
| 3.1.3 售电公司-EV用户互动影响因素分析 |
| 3.2 双方获益充放电电价及最小可行偏差率 |
| 3.3 算例分析 |
| 3.3.1 算例设计 |
| 3.3.2 互动充放电电价取值范围 |
| 3.3.3 随月度出清电价变化的最小可行偏差率 |
| 3.4 本章小结 |
| 第4章 考虑动态负荷的售电公司-EV合作方案 |
| 4.1 UPIoT背景下售电公司的负荷预测 |
| 4.1.1 部分原始数据举例 |
| 4.1.2 气象数据处理 |
| 4.1.3 时间数据处理 |
| 4.2 售电公司受偏差考核风险及日前滚动调整策略 |
| 4.2.1 售电公司滚动优化的EV互动方案流程 |
| 4.2.2 预测日天气数据处理方法 |
| 4.3 算例分析 |
| 4.3.1 算例设计 |
| 4.3.2 数据处理 |
| 4.3.3 结果分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 第4章算例负荷数据 |
| 攻读学位期间的研究成果 |
（6）考虑实时气象因素的电网短期负荷预测建模（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 短期负荷预测研究现状 |
| 1.2.1 短期负荷预测方法 |
| 1.2.2 短期负荷预测存在的问题 |
| 1.3 本文的工作 |
| 第二章 负荷特性及其影响因素分析 |
| 2.1 引言 |
| 2.2 负荷特性分析 |
| 2.2.1 电网年负荷特性分析 |
| 2.2.2 电网周负荷特性分析 |
| 2.2.3 电网日负荷特性分析 |
| 2.3 数据预处理 |
| 2.3.1 数据清洗 |
| 2.3.2 负荷数据的标准化处理 |
| 2.3.3 影响因素数据的预处理 |
| 2.3.4 季节的划分 |
| 2.4 气象因素与负荷的相关性分析 |
| 2.4.1 相关性分析法 |
| 2.4.2 相关性分析 |
| 2.5 本章小结 |
| 第三章 基于混合特征气象因素的最佳相似日选取 |
| 3.1 引言 |
| 3.2 混合特征量的建立 |
| 3.3 相似日的选取 |
| 3.3.1 灰色关联度 |
| 3.3.2 形系数 |
| 3.3.3 基于加权灰色关联度的相似日选取 |
| 3.4 本章小结 |
| 第四章 考虑实时气象耦合作用的地区电网短期负荷预测建模 |
| 4.1 引言 |
| 4.2 时域卷积网络(Temporal Convolutional Networks,TCN)简介 |
| 4.3 基于时域卷积网络的短期负荷预测模型的建立 |
| 4.4 算例及分析 |
| 4.4.1 基于TCN负荷预测模型的算例分析 |
| 4.4.2 仿真模型对比分析 |
| 4.5 本章小结 |
| 第五章 基于TCN与 IPSO-LSSVM组合模型的短期负荷预测 |
| 5.1 引言 |
| 5.2 最小二乘支持向量机(LSSVM)模型 |
| 5.2.1 支持向量机原理介绍 |
| 5.2.2 LSSVM理论介绍 |
| 5.3 改进的粒子群优化算法介绍 |
| 5.3.1 标准粒子群优化算法简介 |
| 5.3.2 改进的粒子群优化算法(Improved Particle Swarm Optimization,IPSO) |
| 5.4 基于IPSO优化的LSSVM |
| 5.5 基于IPSO-LSSVM的短期负荷预测算例分析 |
| 5.6 组合预测模型的建立 |
| 5.7 组合预测模型算例分析 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（7）基于多因素和多维度的电力需求预测方法及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力需求影响因素的相关研究 |
| 1.2.2 电力需求短期预测方法相关研究 |
| 1.2.3 电力需求中长期预测方法研究 |
| 1.3 本文主要内容和技术路线 |
| 1.3.1 论文研究的主要内容 |
| 1.3.2 论文研究的技术路线 |
| 第2章 经济社会发展因素与电力需求关联关系分析 |
| 2.1 短期电力需求影响因素分析 |
| 2.2 长期电力需求影响因素分析 |
| 2.3 我国部分省市经济发展因素与电力消费相关性分析 |
| 2.3.1 我国典型省市经济社会发展主要指标特点 |
| 2.3.2 我国典型省市电力电量消费主要指标特点 |
| 2.3.3 经济社会发展与电力消费相关性分析 |
| 2.4 本章小结 |
| 第3章 基于SSA-LSSVM的多因素月度电力负荷预测模型构建 |
| 3.1 模型构建的思路 |
| 3.2 月度电力负荷预测模型的构建 |
| 3.2.1 季节分解 |
| 3.2.2 协整及格兰杰因果检验 |
| 3.2.3 SSA-LSSVM原理 |
| 3.3 本章小结 |
| 第4章 基于Kaya恒等式的多因素长期电力需求预测模型构建 |
| 4.1 长期电力需求预测模型构建的思路 |
| 4.2 基于Kaya恒等式的长期电力需求预测模型构建 |
| 4.2.1 Kaya恒等式及其含义 |
| 4.2.2 Kaya因素分解法 |
| 4.2.3 基于Kaya恒等式的长期电力需求预测模型 |
| 4.3 电力需求预测模型情景确定方法 |
| 4.3.1 情景分析方法介绍 |
| 4.3.2 Kaya恒等式情景确定方法 |
| 4.4 本章小结 |
| 第5章 实例分析 |
| 5.1 数据来源 |
| 5.2 短期电力需求预测结果分析 |
| 5.2.1 数据分解及变量筛选结果 |
| 5.2.2 月度负荷预测结果 |
| 5.3 长期电力需求预测结果分析 |
| 5.3.1 参数确定 |
| 5.3.2 电力需求预测结果 |
| 5.4 本章小结 |
| 第6章 研究成果与结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 致谢 |
（8）先进绝热压缩空气储能系统动态建模、经济性评估及协同调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 AA-CAES技术的发展与工程示范现状 |
| 1.3 AA-CAES系统建模、经济性评估及调度方法研究现状 |
| 1.4 本文研究内容及论文结构 |
| 2 AA-CAES全系统动态仿真建模方法 |
| 2.1 引言 |
| 2.2 AA-CAES系统关键部件动态建模 |
| 2.3 关键部件仿真模型的有效性验证 |
| 2.4 AA-CAES系统全过程动态仿真 |
| 2.5 模型应用算例分析 |
| 2.6 本章小结 |
| 3 AA-CAES系统经济性评估方法 |
| 3.1 引言 |
| 3.2 面向典型日调度运行的AA-CAES电站运行约束集合建模 |
| 3.3 AA-CAES系统经济性评估模型 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 4 考虑AA-CAES电站备用特性的电力系统日前优化调度策略 |
| 4.1 引言 |
| 4.2 AA-CAES电站的备用能力分析 |
| 4.3 计及AA-CAES电站备用特性的电力系统日前调度模型 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 5 含AA-CAES电站的电力系统实时优化调度策略 |
| 5.1 引言 |
| 5.2 面向电力系统实时调度的AA-CAES电站运行约束集合建模 |
| 5.3 含AA-CAES电站的电力系统实时调度模型 |
| 5.4 算例仿真 |
| 5.5 本章小结 |
| 6 考虑AA-CAES电站冷热电联供特性的综合能源系统优化调度策略 |
| 6.1 引言 |
| 6.2 面向冷热电联合调度的AA-CAES电站运行约束集合建模 |
| 6.3 计及AA-CAES电站冷热电联供特性的微型综合能源系统优化调度模型 |
| 6.4 算例分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读博士学位期间所取得的学术成果 |
| 附录 B 攻读博士学位期间参与的科研项目 |
（9）考虑需求响应的智能小区居民负荷分析及预测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及发展动态分析 |
| 1.2.1 需求响应研究现状 |
| 1.2.2 智能小区研究现状 |
| 1.2.3 负荷分析研究现状 |
| 1.2.4 负荷预测研究现状 |
| 1.3 研究内容、目标及创新点 |
| 1.3.1 研究内容 |
| 1.3.2 研究目标 |
| 1.3.3 贡献及创新点 |
| 1.4 研究技术路线 |
| 第2章 基于需求响应的智能小区居民负荷相关理论及现状分析 |
| 2.1 需求响应相关理论 |
| 2.1.1 需求响应的概念及分类 |
| 2.1.2 基于需求响应的居民负荷需求价格弹性理论 |
| 2.2 智能小区概述及居民智能用电分析 |
| 2.2.1 智能小区概念及其特征 |
| 2.2.2 智能小区居民用电分析 |
| 2.3 电力负荷预测基本理论 |
| 2.3.1 电力负荷预测的概念及基本原则 |
| 2.3.2 电力负荷预测的基本步骤 |
| 2.3.3 电力负荷预测基本方法 |
| 2.4 我国居民参与需求响应的发展现状 |
| 2.4.1 我国居民参与需求响应实践 |
| 2.4.2 我国居民参与需求响应存在的问题 |
| 2.5 本章小结 |
| 第3章 智能小区居民负荷特性及影响因素分析 |
| 3.1 智能小区居民负荷特性分析 |
| 3.1.1 负荷特性指标 |
| 3.1.2 负荷特性实证分析 |
| 3.2 居民用电环境因素分析 |
| 3.2.1 气象因素的影响 |
| 3.2.2 日类型的影响 |
| 3.2.3 日期差距的影响 |
| 3.3 市场引导因素分析 |
| 3.3.1 居民电价的影响 |
| 3.3.2 响应信号的影响 |
| 3.4 其他影响因素分析 |
| 3.5 本章小结 |
| 第4章 考虑价格弹性的居民负荷需求响应模型构建 |
| 4.1 居民负荷曲线峰谷时段的确定 |
| 4.1.1 峰谷时段划分原则 |
| 4.1.2 峰谷时段的模糊隶属度 |
| 4.1.3 时点的层次聚类 |
| 4.2 基于居民需求价格弹性的需求响应模型 |
| 4.2.1 居民需求价格弹性分析 |
| 4.2.2 居民负荷需求响应模型构建 |
| 4.3 算例与分析 |
| 4.3.1 峰谷时段划分 |
| 4.3.2 电价因素下居民负荷曲线响应分析 |
| 4.4 本章小结 |
| 第5章 适用于需求响应的居民负荷预测模型构建 |
| 5.1 基于EEMD-GA-ELM的居民负荷预测模型构建原理 |
| 5.1.1 经验模态分解模型 |
| 5.1.2 集合经验模态分解模型 |
| 5.1.3 遗传算法模型 |
| 5.1.4 极限学习机模型 |
| 5.2 基于EEMD-GA-ELM的居民负荷预测模型构建步骤 |
| 5.2.1 对居民负荷进行EEMD分解 |
| 5.2.2 构建GA-ELM预测模型 |
| 5.2.3 基于EEMD-GA-ELM预测模型的结构图 |
| 5.3 算例与分析 |
| 5.3.1 算例数据描述 |
| 5.3.2 结果分析 |
| 5.4 本章小结 |
| 第6章 促进智能小区居民参与需求响应的相关建议 |
| 6.1 基于居民负荷特征进行需求响应的差异化处理 |
| 6.2 考虑需求响应的居民电价机制设计 |
| 6.3 提高需求响应精度的辅助技术 |
| 6.4 优化配电网运行 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（10）天津电力负荷特性及其与气象因子的关系（论文提纲范文）
| 引言 |
| 1 资料方法 |
| 2 电力负荷特征 |
| 2.1 电力负荷的年变化趋势 |
| 2.2 春节前后电力负荷变化特征 |
| 2.3 电力负荷的周内变化特征 |
| 2.4 电力负荷逐时变化特征 |
| 2.5 极端电力负荷分析 |
| 3 电力负荷与气象因子的关系 |
| 3.1 气象负荷的提取 |
| 3.2 各月气象负荷与气温的关系 |
| 3.3 气象负荷对气象因子的综合响应 |
| 3.3.1 气象负荷的升降与气象要素的关系 |
| 3.3.2 气象负荷与各气象因子的逐步多元回归 |
| 4 结论 |
四、2004年6～8月湖北电网负荷与气温关系的分析（论文参考文献）
- [1]不同舒适度指数在最大电力负荷预测中的应用[J]. 贺莉微,任永建,夏青. 干旱气象, 2021(06)
- [2]浙江电网企业现货市场中的现金流智能预测研究[D]. 苏启超. 华北电力大学(北京), 2021(01)
- [3]面向系统灵活性的高比例可再生能源电力规划研究[D]. 张文华. 华北电力大学(北京), 2021(01)
- [4]基于气温累积效应和炎热指数的夏季日最大电力负荷预测研究[J]. 王丽娟,任永建,陈正洪,何明琼,陈英英,李芬,刘静. 气象与环境科学, 2021(02)
- [5]泛在电力物联网下售电公司-电动汽车互动电价方案研究[D]. 黄春辉. 南昌大学, 2020(01)
- [6]考虑实时气象因素的电网短期负荷预测建模[D]. 陆明珍. 广西大学, 2020(02)
- [7]基于多因素和多维度的电力需求预测方法及应用研究[D]. 祝聪聪. 华北电力大学(北京), 2020(06)
- [8]先进绝热压缩空气储能系统动态建模、经济性评估及协同调度方法研究[D]. 李姚旺. 华中科技大学, 2020
- [9]考虑需求响应的智能小区居民负荷分析及预测模型研究[D]. 王沛. 华北电力大学(北京), 2020(06)
- [10]天津电力负荷特性及其与气象因子的关系[J]. 熊明明,李明财,任雨,徐姝,杨艳娟. 气象科技, 2013(03)