导读:本文包含了负荷模型分类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:负荷,模型,需求,神经网络,价格,实时,特性。
负荷模型分类论文文献综述
叶萌,谭锡林[1]（2019）在《基于实时分类负荷模型的受端电网电压稳定问题研究》一文中研究指出电压稳定问题已成为北京、上海和广州等受端大负荷中心系统共同的潜在威胁。为研究受端电网电压稳定问题,本文以广州电网为例,通过仿真分析,揭示受端电网两种不同程度暂态电压失稳模式,即系统暂态电压失稳和局部暂态电压失稳,其失稳特征与机理与负荷中的电动机特性密切相关。为提高负荷模型的可信度,本文提出一种实时分类负荷模型建模方法,并以广州电网实际发生的单相短路故障为算例进行了仿真验证。结果表明,该建模方法有效可行,建立的模型可信。(本文来源于《电气技术》期刊2019年01期）
周任军,刘嫣然,余虎,李娟,晁岱旭[2]（2018）在《计及分类负荷模型及其需求响应的微网优化运行》一文中研究指出为了解决分布式清洁电源出力的间歇性影响其充分利用的问题,通过需求侧主动参与微网调度,构建计及分类负荷需求响应的微网优化模型。根据负荷用电时段、用电时长等特性将用户可控负荷描述为3种可控负荷的用电状态函数,并将3种可控负荷经价格型需求响应函数变换后计入全天各时段用电负荷函数。以发电成本最低及用户电费最省为多目标优化,提出一种跟随风电波动的负荷变化率,度量可控负荷跟随风电变化的效果。以一个含风机、柴油机及可控负荷的微网为例进行仿真,仿真结果表明,计及分类负荷需求响应的微网优化模型可对负荷进行用电时段调整、优化负荷曲线波动状况、有效减少弃风及降低用户用电成本,通过源荷协调实现微网的环保经济运行。(本文来源于《电力系统及其自动化学报》期刊2018年11期）
许炫壕,王星华,周亚武[3]（2018）在《结合电力负荷差异性分类的需求侧响应模型研究》一文中研究指出提出一种结合电力负荷分类的需求侧响应电价模型。在峰谷分时电价理论的支撑下,综合考虑电力价格的变化率和市场需求变化率,以电力市场的需求价格弹性系数为基础,通过对一天划时段分别设定不同电价,综合考虑供需两侧以建立分时电价模型。以峰负荷最小化、谷负荷最大化且用户购电费用尽可能少为目的建立组合函数。结合电力负荷差异性分类,针对不同类型电力用户进行算例仿真,结果表明该电价模型可以取得较好的预测效果,可以作为制定峰谷电价的依据。(本文来源于《黑龙江电力》期刊2018年04期）
苏适,李康平,严玉廷,陆海,汪新康[4]（2018）在《基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型》一文中研究指出居民用户用电模式分类研究可为需求侧响应方案设计、负荷特性分析及其高精度预测提供支撑。首先,利用基于密度的空间聚类算法提取得到用户的典型用电模式;然后,考虑每天不同时段及季节变换对用户用电行为的影响,提取能够描述用户在不同时间尺度下用电行为的6个特征;在此基础上,提出了一种基于引力搜索算法的用户用电模式分类模型;最后,对实测居民用电数据进行聚类,并对各类用户的用电模式及其参与需求侧响应的潜力进行了分析。(本文来源于《电力自动化设备》期刊2018年01期）
苏适,周立栋,万筱钟,陆海,严玉廷[5]（2017）在《计及气象因素的用电负荷短期分时分类预测模型与方法》一文中研究指出短期负荷预测是电力系统运行和分析的基础,对机组组合、经济调度以及安全校核等具有重要意义。针对地区负荷在小样本情况下预测精度不高的问题,在对某地区负荷数据进行分析并剔除异常数据之后,建立了基于支持向量机回归(support vector regression,SVR)的短期负荷预测模型。为了提高模型的预测性能,采用细菌觅食算法(bacteria foraging optimization algorithm,BFOA)对SVR的参数进行优化,并将温度、湿度和降雨量等气象信息引入预测模型。考虑到负荷与时间点的耦合关系,对每日96个时间点分别进行预测。同时,根据工作日和周末2种不同属性分别建立了基于SVR的负荷预测模型。仿真结果表明,所建立的短期负荷预测模型能够在小样本的情况下以较快的速度获得较高的预测精度。(本文来源于《电力建设》期刊2017年10期）
刘嫣然[6]（2017）在《用户分类负荷模型及响应风电消纳的系统经济调度》一文中研究指出为解决风电大规模接入电力系统中,风电出力的间歇性和反调峰性影响其消纳的问题,在传统调度仅从发电侧考虑的基础上,综合考虑需求侧响应行为。通过需求侧主动参与系统调度,加强发电侧和需求侧的双向互动协调交流,从而实现风电的有效消纳,提高系统运行的环保性、经济性。需求响应(Demand Response,DR)是供需侧联合调度的基础,一般分为价格型需求响应和激励型需求响应。价格型需求响应通过价格信号引导用户调整自身用电行为,激励型需求响应用户与系统签订日前合同提供自身可调容量作为系统虚拟备用资源。两者均能起到削峰填谷、平抑风电出力波动、有效消纳风电的作用。根据需求侧负荷种类不同,对不同类型用户需求响应行为进行具体分析。居民用户用电量较小且用电时段宽松,参与价格型需求响应程度较高。利用居民用户这种受价格信号引导主动改变自身固有用电方式的行为,细化其负荷分类,构建计及居民分类负荷模型及其需求响应的含风电系统优化调度模型。根据居民用户可控负荷用电时段、用电时长等特性将其描述为叁种可控负荷的用电状态函数,将叁种可控负荷经价格型需求响应函数变换后计入全天各时段用电负荷函数,优化负荷曲线。并提出一种跟随风电波动的负荷变化率,以此为约束条件度量风电在系统中的消纳。以发电成本最低及用户电费最省为目标。算例仿真结果表明,模型能有效减少弃风,节省用户电费及运行成本,实现供需侧双赢。运用场景概率方法描述风电功率不确定性,排除低概率场景而得到发生概率较大的场景。在居民用户参与价格型需求响应的条件下,分析商业用户和工业用户需求响应行为,由于其受商业高峰时段和固定工业流程限制,考虑它们参与激励型需求响应,作为虚拟备用资源参与系统优化调度,并建立各自调用成本函数,纳入系统总备用成本中。针对居民、商业、工业叁类负荷的不同需求响应行为,构建计及多类型需求响应的场景概率经济调度模型。以包括机组燃料成本、总备用成本以及弃风成本在内的系统运行总成本最低优化目标。算例仿真结果表明,模型在分析叁类负荷各自响应特性的基础上,充分调用其参与需求响应,能有效消纳风电,降低系统峰谷差,平滑机组出力,减小系统总的运行成本,实现源荷互动协同增效。(本文来源于《长沙理工大学》期刊2017-04-01）
戴嘉祺,郝丽丽[7]（2016）在《负荷模型辨识中广域电网负荷空间分类》一文中研究指出提出了负荷模型辨识中广域电网负荷的空间分类方法,基于工业、商业、农业、居民及其他负荷的典型值数据,通过模糊均值聚类(FCM)算法对负荷按负荷性质空间分类,辅以灵敏度计算公式确定重点辨识参数,进而以遗传优化算法并结合暂态过程各种扰动设置中电压响应曲线的交互计算,以全网母线电压跌落最为严重的母线作为观察变量,辨识修正负荷模型参数,并以不分类、区域分类两种方法与文中所提出方法作对比,仿真结果表明,按负荷性质分类具有合理性与有效性。(本文来源于《电网与清洁能源》期刊2016年01期）
李龙康[8]（2015）在《基于智能网格分类的天然气短期负荷预测模型的研究与实现》一文中研究指出随着人们对生活环境的保护意识越来越强烈,天然气这种优质的清洁能源越来越受人们的欢迎,与此同时智能燃气管网的建设也在快速发展。为了能够安全有效的使用和运输天然气,必须能够根据本地区燃气负荷的特性和变化规律对未来某段时间内的燃气负荷值进行科学准确的预测。能否准确的预测燃气负荷,直接影响到人们的用气安全、供应商的经济利益以及燃气管道的铺设规划等一系列问题。虽然在负荷预测领域里,电力预测已经是一项相对比较成熟的技术,但是由于天然气和电力在物理特性、存储方式等方面存在这很大的差异,所以不能将电力负荷预测的方法直接应用到燃气负荷预测领域。最近几年,随着国内外越来越多的学者和专家投入到燃气负荷预测领域的研究中,也取得了一定的成果,但仍存在预测精度不足、效率低、可扩展性差等问题。本文结合国内外的研究现状,通过分析本地区燃气负荷特性,经过不断的尝试,力求找到一种适合本地燃气负荷预测的预测模型。通过参阅国内外的各种参考文献发现,大部分的学者专家都致力于寻找一种更加优秀的预测模型,而很少有人研究如何为预测模型选择一个更适合的训练集,从而提高预测模型的预测精度,针对这一问题并且结合本地燃气负荷特性,本文提出了智能网格分类的方法从所有的历史燃气负荷值中选出和待预测日相关性最强的若干数据,用这个数据集对预测模型进行训练,通过实验发现,对于回归预测模型、支持向量机模型、神经网络模型等这些传统的预测模型在结合使用智能网格分类方法之后,在预测精度和预测效率方面都有了一定程度的提高,虽然预测精度有了一定程度的提高,但是仍然无法满足生产中误差率需要控制在0.05左右的需求,所以本文又提出了分别使用交叉验证(数学)、遗传算法(生物学)和模拟退火算法(物理学)对模糊神经网络参数进行优化,然后分别结合智能网格分类方法进行燃气负荷预测。实验结果表明,这叁种组合方法基本上都可以满足生产中把误差率控制在0.05左右的需求,但是在运算效率方面有所差异,所以可以根据实际情况选择不同的预测模型进行预测。最后使用混合编程技术实现了以上预测方法。通过研究分析日期类型对燃气负荷的影响发现,工作日、周末和法定节假日期间的燃气使用量存在着明显的差异,所以本文把所有的历史负荷数据分成了工作日数据、周末数据和法定节假日数据分别进行研究预测,从而得到更加精确的预测结果。(本文来源于《上海师范大学》期刊2015-04-01）
崔亚,任明炜[9]（2014）在《基于多重分类器模型的微网短期负荷预测》一文中研究指出受电力负荷时间变化规律以及气象、节日等因素的影响,微网孤岛运行负荷极具不确定性。如何保证微网系统能够较准确捕捉负荷需求的变化,提高微网系统对负荷变化的跟踪能力,对微网运行的安全性和稳定性及供电质量都具有重要意义。将神经网络与分类器概念相结合,构成多重分类器系统,对微网进行短期负荷预测,仿真实验证明其对负荷用电值预测的准确度明显高于单一分类器系统。(本文来源于《电力科学与技术学报》期刊2014年01期）
郑晓雨,郑静媛,刘东,万雄,梁志峰[10]（2013）在《负荷模型参数简化对负荷分类结果的影响》一文中研究指出负荷模型作为电力系统仿真的主要元件之一,越来越受到重视,但目前动态负荷模型的参数个数较多,严重制约了负荷模型参数辨识的精度。为了解决这个问题,通常的做法是对负荷模型参数进行简化;另外,为了消除负荷时变性对建模的影响,需要对负荷进行分类,但参数简化对负荷分类结果是否有较大的影响却不得而知。为了探讨这个问题,应用基于空间响应的聚类分析法对负荷进行了分类,然后应用轨迹灵敏度方法对负荷模型参数进行了简化,重新对数据进行了分类并比较了参数简化前后分类的结果,以一实际系统分析为例,结果表明参数简化前后分类误差没有较大幅度增加,验证了参数简化的有效性。(本文来源于《中国电力》期刊2013年11期）
负荷模型分类论文开题报告
（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：
为了解决分布式清洁电源出力的间歇性影响其充分利用的问题,通过需求侧主动参与微网调度,构建计及分类负荷需求响应的微网优化模型。根据负荷用电时段、用电时长等特性将用户可控负荷描述为3种可控负荷的用电状态函数,并将3种可控负荷经价格型需求响应函数变换后计入全天各时段用电负荷函数。以发电成本最低及用户电费最省为多目标优化,提出一种跟随风电波动的负荷变化率,度量可控负荷跟随风电变化的效果。以一个含风机、柴油机及可控负荷的微网为例进行仿真,仿真结果表明,计及分类负荷需求响应的微网优化模型可对负荷进行用电时段调整、优化负荷曲线波动状况、有效减少弃风及降低用户用电成本,通过源荷协调实现微网的环保经济运行。
（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。
负荷模型分类论文参考文献
[1].叶萌,谭锡林.基于实时分类负荷模型的受端电网电压稳定问题研究[J].电气技术.2019
[2].周任军,刘嫣然,余虎,李娟,晁岱旭.计及分类负荷模型及其需求响应的微网优化运行[J].电力系统及其自动化学报.2018
[3].许炫壕,王星华,周亚武.结合电力负荷差异性分类的需求侧响应模型研究[J].黑龙江电力.2018
[4].苏适,李康平,严玉廷,陆海,汪新康.基于密度空间聚类和引力搜索算法的居民负荷用电模式分类模型[J].电力自动化设备.2018
[5].苏适,周立栋,万筱钟,陆海,严玉廷.计及气象因素的用电负荷短期分时分类预测模型与方法[J].电力建设.2017
[6].刘嫣然.用户分类负荷模型及响应风电消纳的系统经济调度[D].长沙理工大学.2017
[7].戴嘉祺,郝丽丽.负荷模型辨识中广域电网负荷空间分类[J].电网与清洁能源.2016
[8].李龙康.基于智能网格分类的天然气短期负荷预测模型的研究与实现[D].上海师范大学.2015
[9].崔亚,任明炜.基于多重分类器模型的微网短期负荷预测[J].电力科学与技术学报.2014
[10].郑晓雨,郑静媛,刘东,万雄,梁志峰.负荷模型参数简化对负荷分类结果的影响[J].中国电力.2013
论文知识图
