基于面板数据模型的天津市高耗能行业用电需求特征分析

天津市高耗能行业内部各行业的用电特征存在差异性,对其特点进行分析能够促进高耗能行业的节能减排。应用面板数据和协整理论,对天津市8大高耗能行业的用电需求特征进行了比较分析。建立了天津市高耗能行业用电与其产值和用电单耗的面板数据模型,在此基础上分别得到对行业产值和用电单耗依赖性较高的行业,从而为天津高耗能产业发展政策的制定提供借鉴。     

基于Panel Data模型的中国城市居民生活用电预测研究

通过对中国典型城市居民1992～2006年生活用电及其影响因素数据的聚类分析,得出中国城市居民生活用电在不同收入水平下的用电特征,首先通过分析各个阶段居民拥有电器种类及各种电器的增长率,对不同阶段的电器赋予权重,得到一个综合电器指数作为预测的输入端.其次,基于面板数据模型对不同类型用电居民的生活用电做预测,并得出预测误差,不仅考虑了数据的时间效应还考虑了截面效应,也避免了由于数据序列不足而造成的用电特点不明显.通过对中国典型城市的实证分析,论证了该方法的有效性.     

销售电价与用电需求的协整建模分析

在电力市场中,销售电价面临因市场因素变动导致的更多调整需求。销售电价的调整对用电需求的影响分析是实现销售电价科学化调整的重要环节,因此,该文提出一种基于协整和误差修正理论的用电需求与销售电价的关系分析模型。文中采用协整理论建立用电需求与销售电价的长期均衡关系模型,以建立的长期均衡关系模型为基础,并采用误差修正理论构建用电需求与销售电价间的短期调节关系模型,以便能够正确地分析销售电价调整对用电需求的影响。算例对我国某地区的销售电价调整进行了分析,其结果表明:文中所建模型能够考虑用电需求与销售电价间的长期均衡关系,针对该地区用电需求增长情况,可分析销售电价的适度调整范围;模型还能考虑用电需求与销售电价间的短期调节关系,能更全面、正确地分析销售电价调整对需求的影响。     

基于空间面板数据的中国省域用电需求空间效应实证分析模型

用电需求与经济结构密切相关。从区域发展的整体视角出发,建立了考虑空间效应的中国用电需求实证分析模型;基于1999-2014年中国30个省区电力消费空间面板数据,分析了产业结构、区域结构、分配结构、能源结构等经济结构性因素对用电需求的影响及其空间效应;结合"从具体到一般"和"从一般到具体"两种方法进行空间效应设置、检验和优选,并对固定效应模型的偏误进行了校正;在全国整体分析的基础上,分东部、中部和西部对解释变量的直接效应和间接效应进行对比分析;实证分析表明,经济结构对于用电需求具有重要影响,中国省域用电需求在样本期内具有显著的空间交互效应,解释变量变化会导致样本省区及其邻近省区用电需求发生变化,且不同区域内解释变量直接效应和间接效应明显不同;对中国"十三五"用电需求变化趋势进行了分析并为区域规划给出建议。     

智能小区居民用电负荷特征权重分析

以往对智能小区居民用电行为聚类分析时,存在着负荷特征选择与权重计算描述不足的问题。为了提高居民用电行为聚类分析的准确率,降低聚类分析运行时间,提出一种基于ReliefF算法建立的以峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期数、日最小负荷率等特征的数据模型。该模型可以对海量居民用电行为数据进行处理,并通过k-means算法对其进行聚类分析。实验数据来源为已建成的智能小区,结果准确率达94.61%,证明了基于ReliefF算法建立的特征数据模型在居民用电行为类分析中是有效的。     

基于Logit模型的华东四省一市居民生活用电预测研究

分析了华东居民家用电器及照明需求的变化规律及用电特征,利用Logit模型自下而上构建了居民生活用电模型,在验证模型稳健性的基础上,对未来华东居民生活用电进行了情景预测。     

基于智能电网的高校学生用电模型分析与研究

本文基于校园智能电网对学生用电数据进行了挖掘分析,用基于箱形图的回归分析法分析了学生的用电习惯和特征,构建了学生用电模型,得到不同温度下学生用电的时间序列特征。对学生的用电模型进行研究分析,为校园电网的电力调度和管理提供了更准确的数据支持,对电力需求侧管理有着重要意义。     

考虑多目标优化的有序用电智能决策研究

在充分分析有序用电意义和目标的基础上,结合需求侧管理和需求响应理论,深入探讨有序用电智能决策的重要性,综合考虑提高负荷率和提高能效2个方面,研究智能决策的要素和实现手段,并阐述有序用电智能决策的相关辅助支撑,包括数据源分析、执行效果评价以及有序用电业务模型,同时结合具体案例对相关模型和方法进行了详细说明。     

基于电力需求响应的多时间尺度家庭能量管理优化策略

在智能用电的背景下,电力用户与电网的互动更加频繁,用户在考虑自身经济调度的同时,可通过参与电力需求响应获取额外收益。首先建立了包含最大功率约束与需求响应事件约束的激励型需求响应模型及含光储设备的家庭用电模型;然后建立了基于模型预测控制的多时间尺度家庭能量管理模型,提出了以用户净支出与购电功率波动最小为目标的日内家庭用电双层优化策略及实时用电调整策略。通过改变蓄电池充放电功率应对实时运行过程中不可调整负荷及光伏出力的波动,保证用户购电功率满足需求响应要求。最后以某典型家庭负荷配置为例,通过对比不同场景下的优化结果,验证了策略的有效性,并分析了需求响应机制对用户的影响。     

调度自动化系统与继电保护及故障信息系统统一数据模型的研究

针对电网调度中心的调度、集控、继电保护及故障信息系统存在参数配置重复和不完整、数据对象不统一等问题,提出对各系统建立统一数据模型的思路。通过分析继电保护及故障信息系统对数据模型的需求,提出基于IEC61850《变电站中的通信网及系统》和IEC61970《公用信息模型》的统一数据模型技术实现方案,并指出方案实施中需剞劂的关键技术问题。     

基于马尔科夫链的模糊认知图在智能配电网WSN通信QoS优化研究

根据配电网系统结构、设备分布特点,针对电力工业配电网数据通信规范对WSN的要求,研究了一种基于模糊认知图理论和马尔科夫链建立智能配电网WSN数据传输模型。定性分析了影响网络数据传输性能指标的主要因素,构造了模糊认知图模型所包含的五类概念顶点集合。利用马尔科夫链建立了配电网节点数据缓冲队列模型,给出了节点竞争信道状态概率的计算分析方法。在不同的配电网数据产生率下对模型进行仿真实验研究,结果表明,高优先级的通信数据有较低的传输延迟和较高的有效吞吐率、可靠性,所提出的方法可为配电网WSN数据通信提供Qo S保障。     

一个带衰减因子的电池分段数学模型研究

针对传统的电池等效电路模型不能直观反映电化学极化和浓差极化对电池端电压影响的缺点,提出了改进的电池模型.依据电路理论,对电池放电、放电停歇、充电、充电停歇4个不同阶段的进行电路分析.通过公式推导,建立了一个带衰减因子的电动汽车镍氢电池分段数学模型.设计了脉冲充电及脉冲放电实验,给出了参数辨识方法.并对比模型预测数据与实测数据,结果表明模型预测数据接近实测数据,模型的精确度较高.     

超声波电机转速控制的动态模糊建模

超声波电机动态模型是实现其高性能转速控制的前提。设计基于模糊逻辑的辨识建模方法,建立了超声波电机系统动态模糊模型。在设计实验获取建模所需数据的基础上,采用等分区间法确定了模型结构,进而利用最小二乘法辨识得到了模型中的待定参数。模型输出与实验数据的对比表明,所建模糊模型精度较高,反映了驱动电压幅值、频率与电机转速之间的非线性动态关系,可以用于超声波电机性能分析与转速控制器设计。     

基于最短路径算法的继电保护数据模型结构及搜索优化

继电保护专业数据融合对于提升高级应用分析水平和装置可靠运行水平具有重要作用。由于继电保护专业数据类型众多、体量庞大、关联关系复杂,数据访问效率已成为制约专业高级应用水平提升的重要因素。归纳了继电保护专业数据与模型的类型及特性,分析了继电保护数据模型结构和级联数据表访问次序对继电保护数据查询效率的影响。提出了反映数据模型结构优化程度的指标,并据此采用数据分层建模、增加数据表间的引用关联两种方法来优化数据模型结构;在优化的数据模型结构基础上,使用迪杰斯特拉(Dijkstra)算法确定了级联数据表的最优访问次序,确保专业应用对海量异构数据的访问效率。最后,以继电保护数据中心实际建模及数据访问过程为例,验证了本文方法的有效性。     

基于机理仿真拓展的电厂热力系统数据代理映射模型构建方法

电厂系统高精度映射模型是智慧电厂先进调度控制的核心技术,传统现场试验获取数据的方法成本高、时间长,而在线机理模型仿真依赖高成本的仿真系统。文中提出一种基于机理仿真拓展的电厂热力系统数据代理映射模型构建方法。首先离线建立热力系统的结构机理映射模型,通过有限试验工况的运行数据对模型进行辨识修正;构建所需多工况条件,采用仿真系统运行高精度机理映射模型获得拓展的多工况运行样本数据;基于多工况运行样本数据,采用数据建模方法建立热力系统的数据代理映射模型,并脱离机理仿真系统加以运用。以某热电联产机组为案例的分析表明,基于神经网络建立的数据代理映射模型与机理映射模型计算结果的误差在1%以内,具有较高的一致性。     

电站锅炉主元分析建模中的数据选取

主元分析方法作为一种经典的建模方法已被成功应用到电站锅炉的过程监测中,然而建模时样本数据如何选取的问题并没有得到很好的解决。通过推导主元模型的故障可检测性指标和建模数据样本的方差之间的解析关系,发现主元模型的故障可检测性随建模数据样本标准差的变大而提高。采用2段600 MW电站锅炉相同工况下的历史数据分别建立对应的主元模型,通过比较2段数据的方差和模型的故障可检测性,验证了上述结论的正确性。因此建立电站锅炉模型时,应采用稳定工况下波动性较强的过程数据样本建模,以提高模型的精度。     

基于系统辨识的电化学超级电容器建模

各种不同类型电化学超级电容器的工作机理有较大区别,为克服机理分析法不适合机理复杂系统的建模和通用性差的缺点,提出一种基于系统辨识方法建立的电化学超级电容器模型。首先计算确定辨识实验数据的采样周期和长度,并采用小波分析对其进行滤波处理;针对模型结构辨识问题,利用行列式比定阶法确定模型阶次,然后在此基础上辨识模型参数;最后对模型进行仿真分析和验证。结果表明,文中建模方法可行有效,所建立的模型可以准确描述超级电容器的特性,同时待辨识数据经过小波滤波处理后可以有效提高模型精度。     

基于新息的威布尔模型自动测试系统校准周期优化

针对自动测试系统(autotest system,ATS)的原位校准策略,在获得的历史校准数据基础上,引入了测量可靠性随时间变化的威布尔模型,并通过将旧数据替换为新数据来调整模型参数,不断适应数据的变化,对ATS的校准周期进行动态优化,确定了校准时机.最后通过实例分析进行了对比论证,结果表明基于新息的威布尔模型预测的最...     

双重BP神经网络组合模型在实时数据预测中的应用

在回归和延时神经网络的基础上，利用非线性组合预测方法的优点，提出一种新的预测模型--双重BP神经网络组合模型模型，选用某660MW机组的主蒸汽流量数据进行学习训练，实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度，校核样本的平均相对误差为1.5%，而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2.7%和1.9%，证明双重BP神经网络组合模型具有很高的预测精度，可应用于火电厂实时数据的有效性验证。     

基于SVM方法的风电场短期风速预测

针对基于支持向量机的风电场短期风速预测进行研究,选择了不同的输入向量（历史风速时间序列,历史风速和温度,历史风速、温度和风向,历史风速、温度和时间）作为输入进行误差对比分析。实测数据及分析结果表明,采用历史风度和温度的二输入模型,预测效果最佳,为风速的短期预测和发电量预测提供了较好的参考价值