江苏省夏季空调负荷调查分析

错峰限电、移峰填谷、分时电价等措施的实施给夏季最大空调负荷的估算带来了很大的困难,因为负荷特性曲线被严重拉直,基本上失去了原有的特性。基于峰谷差率的负荷曲线修复方法和指定日的集中空调负荷估算方法,根据江苏省2002~2004年的96点负荷数据,估算了江苏省2004年夏季最大空调负荷和集中空调负荷,并分析了江苏省的空调负荷构成。     

基于标幺化负荷灵敏度的夏季空调负荷计算

为应对夏季空调尖峰负荷,在高温期间合理安排发电计划,提出一种针对夏季空调负荷的预测方法。该方法通过寻找每个月的负荷基准,将负荷进行标幺化处理,再通过基于灵敏度的分析方法计算由温升效应带来的夏季空调负荷,该法有效消除了经济波动、拉闸限电等不确定因素的影响。利用该方法分析了2008—2014年广西电网的夏季空调负荷,并提出了基于改进的负荷曲线法,其结果进一步验证了基于标幺化负荷灵敏度法的有效性。     

空调系统夏季负荷动态计算

现行夏季空调负荷计算方法中没有考虑新风状态的变化，计算所得新风负荷为一定值，这种方法无法求得空调系统设备的动态负荷，不利于空调设备合理选型和节能运行。本文提出了一种考虑新风状态及新风负荷变化的空调系统夏季负荷动态分析计算方法。     

县域电网夏季空调负荷分析

<正>随着国民经济的高速发展和人民生活水平的不断提高,各种空调系统得到了广泛应用,从而在电网中产生空调负荷。据测算,2013年湖南浏阳电网(县域电网)的最高负荷达到539MW,其中空调负荷已占到夏季最高负荷的20%以上,局部地区甚至已经超过30%,并且在未来几年中还将呈现高速增长态势。受空调负荷影响,电网用电负荷迅速增长,峰谷差进一步拉大,空调负荷的急剧增长已经成为夏季电网负荷特性恶化和电力紧缺的重要原因。     

夏季空调负荷特性研究与预测建模

夏季空调负荷在总用电负荷中所占的比重越来越大,是产生峰谷差的重要因素本。该负荷主要由行政事业、商业以及居民负荷等三部分组成。本研究统计分析大量行政事业、商业电量、负荷等基础数据,统计分析得出芜湖地区夏季空调负荷、行业空调负荷占比以及最大负荷利用小时数等参数,进而得出夏季居民空调负荷;基于SPSS软件,通过人口、人均可支配收入、修正温度与夏季空调负荷的数学关系建立三元一次线性回归模型,可准确预测未来1~5年夏季空调负荷。     

在缺电时期关注电网的负荷曲线

从电力需求侧管理角度出发，介绍了天津电网近两年的峰谷差率状况和负荷曲线形状。阐述了在当前缺电形势下，“削峰填谷”、提高电网负荷率对于缓解高峰电力紧张和减少限电拉路的重要意义。通过峰谷电价的实施现状，分析当前电网峰谷差偏大的原因，并提出解决措施和优化建议。     

空调负荷计算方法及应用

近年来我国空调负荷的不断增长．对电网的安全稳定经济运行影响越来越大．对空调负荷的研究已经成为电力需求侧管理的重要内容。结合我国电网运行特性．提出最大负荷比较法与基准负荷此较法2种方强．对夏季空调负荷进行测算,并以北京为例进行分析．分析结果与电网实际运行情况较为吻合．值得加以推广．     

电网空调负荷计算及预测

结合河北省南部电网空调负荷特性,以2009年数据为例,通过最大负荷比较法和基准负荷比较法进行计算,取二者平均值确定空调负荷最大值,并根据2005-2009年空调负荷变化趋势预测2010年空调负荷,结果表明预测数据准确可靠.     

东北电网1995年负荷曲线分析

本文通过对东北电网１９９５年负荷数据的收集、整理、研究和分析，绘制了东北电网１９９５年全年最大、最小负荷曲线、全年水电发电量面积图、全年各月发电量棒图和四季典型周、日负荷曲线共１１个典型图，分析了东北电网１９９５年负荷的形势和特点、全年水电发电特点以及四季典型周、日负荷曲线的形状、走势、特点，提出了对调峰矛盾的解决办法和对未来调峰调频工作的展望。     

夏季气象条件对地区空调负荷的影响

分析了夏季气象条件中地区空调负荷与日最高气温、日平均湿度之间的关系,划分了影响空调负荷变化的温度敏感区,阐述电力主管部门进行负荷预测、合理制定电力调度计划等方面,得出敏感区内气温对空调负荷影响的结论.     

合肥市夏季居民空调降温负荷调查分析

为了分析空调降温负荷对合肥地区夏季总负荷的影响,对合肥夏季的居民空调降温负荷的总量和相关特性进行了调查分析,建立了空调负荷总安装容量与居民特性变量间的回归预测模型以及空调实际负荷与气温变化的回归预测模型,为合肥市电力公司制定高峰时段负荷调控政策和措施提供科学依据。     

多措并举,综合治理夏季空调高峰负荷

治理夏季空调高峰负荷对缓解电力季节性供需矛盾、确保电网安全经济运行意义重大。针对我国制冷空调使用现状和空调负荷特性,提出在电力供应侧和需求侧应采取的相关经济、技术和行政措施;发展热电联产、热电冷联产等分布式能源,不仅有利于能源的梯级利用,而且可实现均衡能源消费、有效降低空调高峰负荷对电力的需求。     

湖南电网负荷特性变化和峰谷电价分析

通过对峰谷电价,尤其是2004年7月新的峰谷电价实施以来,湖南电网的峰谷电量时段分配和负荷特性变化的分析,总结出湖南电网负荷峰谷矛盾特征和日负荷峰谷位移的变化趋势,找出其中的原因并提出相应的峰谷电价比设置和峰谷时段划分等政策建议.     

用于削减工业园区用电功率峰值的蓄冷空调系统的动态建模和优化控制

蓄冷可以通过利用峰谷电价差,使空调系统更加经济,还可以作为一种间接蓄电措施,在峰电时段释放冷量,减少空调系统耗电,实现削减用电峰值功率的功能。对工业园区内需要24 h供冷的、包含基载的蓄冷空调系统的控制进行优化建模,在满足供冷及削峰需求条件下,以经济最优化为目标,分别针对非削峰日、2类削峰日提出相应的控制策略。并以工业园区某一水蓄冷空调系统的控制为例进行了算例分析,结果表明蓄冷空调在削峰时具有削峰幅度大、削峰时间长的优势。另外,当该日冷负荷需求越大时,2类削峰日对蓄冷空调系统运行费用的影响越大,此时可能需要增加削峰补贴电价。     

基于负荷分解的城市长期负荷预测模型研究

我国城市出现了快速增长的空调负荷。考虑空调负荷的增长规律及影响因素,从负荷分解的角度构建了城市长期负荷预测模型。在模型中,高峰负荷被分解为3部分：居民空调负荷、工作区空调负荷以及基本负荷。以上海为例进行的实证研究表明,基于负荷分解的预测模型能够反映城市电力需求的增长,可为需求侧管理提供制定政策的依据。     

用典型负荷曲线叠加法编制韶关地区日负荷曲线

负荷特性的调研和分析作为电力市场分析的一项基础工作,对于电力企业的经营、规划和发展越来越重要.针对韶关地区电力负荷发展的实际情况,以韶关地区各典型行业的日负荷曲线为依据,考虑到现有调度录得的日负荷曲线的不足,运用典型负荷曲线叠加法编制了韶关地区实际日负荷曲线.运用典型负荷曲线叠加法编制韶关地区日负荷曲线有利于确保韶关电网的安全稳定运行和可靠供电,促进工农业生产的快速发展.     

基于改进DDPG的中央空调负荷预测方法研究

为降低因节假日引起的建筑内部得热对大型中央空调系统负荷预测精度的负面影响,以上海世博园区某办公建筑群作为研究区域,引入新的日期特征DPH,在现有深度确定性策略梯度网络结构的基础上,利用长短期记忆神经网络替换深度确定性策略梯度的全连接神经网络,提出基于循环确定性策略梯度的大型中央空调系统冷负荷预测方法。研究结果表明,考虑DPH日期特征的改进算法预测模型能够捕捉因节假日引起的负荷变化趋势,有效提高预测准确性,预测精度达0.951,误差值为7.08%。     

中央空调负荷直接控制策略及其可调度潜力评估

如何挖掘和评估电力系统负荷的可调度潜力是当前国内外关注的热点。选择城市负荷中比重较大的空调负荷进行研究。在用户室内温度模型的基础上,研究了空调周期性间断运行的特性;建立了考虑类周期性温度变化、中央空调用户的舒适度需求以及响应电网调度需求等多种核心影响因素的优化模型,提出了分时段的直接负荷控制策略;从削峰填谷、负荷管理、节电潜力3个层面归纳得出了一种适用于所提模型的负荷可调度潜力评估方法;构建算例对空调负荷实施优化控制、应用可调度潜力评估方法,验证所提策略与方法的有效性和可行性。     

基于K-Medoids聚类与栅格法提取负荷曲线特征的CNN-LSTM短期负荷预测

高效准确的短期负荷预测是电力系统安全稳定与经济运行的重要保障。针对峰荷与谷荷预测误差较大的问题,提出一种基于栅格法提取负荷曲线特征的卷积神经网络和长短期记忆网络(convolutional neural network and long short term memory network, CNN-LSTM)混合预测模型。首先,采用K-Medoids算法对日负荷曲线聚类,将各聚类中心作为典型代表日负荷曲线。采用栅格法将典型代表日负荷曲线划分为若干个区间并依次编号,提取负荷曲线的特征。然后,将各典型代表日负荷曲线特征与对应负荷类型历史数据重构成新的特征集输入到CNN-LSTM混合神经网络中。利用CNN挖掘数据间的特征形成新的特征向量,再将该特征向量输入到LSTM中进行预测。最后,以美国新英格兰地区2012至2013年电力负荷数据集为例进行仿真验证。结果表明,所提方法在不同日期下的负荷预测精度均有所提升,并且在提升日负荷平均预测精度的同时,有效提升了峰荷、谷荷的预测精度。     

模糊聚类方法在用户负荷曲线分析中的应用

采用基于负荷曲线进行用户分类的方法,运用数据挖掘技术中的模糊C均值聚类,将不同行业的用户混合在一起,利用聚类的观点将其分类,对各类负荷曲线进行分析和比较;将模糊C均值聚类算法应用在单个典型行业典型用户(主要是工业和三产的大用户)的分析中,可以发现不同季节、不同月份的负荷数据之间有一定的共性.