考虑气象因素的冬季取暖负荷计算

通过研究气象与冬季取暖负荷的关系,在负荷标幺化方法的基础上研究了冬季日最大负荷随综合平均气温变化的灵敏度,建立了冬季取暖负荷模型。该方法有效消除了经济波动、拉闸限电等不确定因素的影响,并可直观地看出广西冬季气温每降1 ℃时电网增加的负荷量。利用该方法分析了2008—2013年广西电网的冬季取暖负荷,其结果为广西电网制定冬季高峰时段负荷调控政策及措施提供科学依据。     

基于分区建模的大空间分层空调负荷随分层高度变化的研究

以某坡屋顶大空间建筑为研究对象,利用eQUEST软件,提出了空调区和非空调区分区的建模方法,依据所建模型分析全室空调和不同分层高度时夏季分层空调峰值冷负荷特性.模拟结果表明,分层空调形式的负荷比全室空调的减少30%以上,夏季空调峰值负荷随分层高度增加近似线性增加.比较模拟负荷与常规分层空调负荷计算结果发现,两者相对误差小于3%,说明基于动态能耗模拟软件分区模拟大空间分层空调负荷的方法合理.     

公共机构夏季空调负荷特性与影响因素研究

当前,公共机构能耗居高不下,其中夏季空调的制冷能耗占据了很大的比例。为了更好地了解公共机构夏季空调的负荷特性以及相关影响因素,对华北地区某办公建筑夏季空调系统运行情况进行了实际监测,分析了该系统冷负荷日、周及年变化特点,通过多项式拟合与正交试验的方法得出建筑冷负荷受室外干球温度的影响较大,建筑日总负荷受日平均温度的影响较大,建筑负荷特性影响因素的排序为:干球温度室内人员在室率相对湿度。     

基于多组实时数据回归分析的空调负荷预测方法研究

传统的空调负荷预测方法存在一定局限性或计算工作量大、周期较长等问题,本文提出一种利用多组实时数据进行回归分析预测空调负荷方法,在规划前期条件不确定时,通过多对组数据的相关分析,判断供能面积与冷负荷、热负荷的相关性,拟合回归方程,并应用于实际工程进行空调负荷预测,通过与传统空调负荷预测方法计算值进行比对,预测结果相对误差5%以内。该方法在一定范围条件下,可作为一种前期空调负荷估算的实用方法。     

陕西电网夏季降温负荷与温度相关性研究

以2011—2017年陕西电网8760负荷数据及气象数据为基础,结合陕西电网年、日用电负荷特性,科学合理选取春（秋）工作日、休息日作为基准计算负荷,利用线性和非线性回归分析方法对夏季降温负荷与气温之间的关系进行定性定量分析研究,在此基础上进一步划分温度区间,并对降温负荷展开分析,得出陕西电网夏季降温负荷与气温变化之间的幅值增减函数关系,对于后续基于空调负荷开展用电需求分析预测的研究具有重要意义。     

负荷模型辨识中广域电网负荷空间分类

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。     

考虑用户需求响应的空调负荷日前-实时聚合调控

恒温控制负荷是参与需求响应的主要负荷资源,在夏季高温下可对负荷开展集群控制,有效减小负荷峰值。但由于各用户室内的初始温度具有多样性和随机性的特点,会使聚合商在负荷削减时产生负荷波动和在用户舒适度不同时会产生用户响应度低的问题。为能够合理引导负荷参与电网运行,基于空调状态队列模型,提出了用户激励方案与空调负荷提前控制策略,不仅激励用户参与控制也减小了控制时间内的负荷波动。通过空调负荷近似聚合模型得到空调负荷聚合功率,根据用户舒适度区间进行分组控制,构建激励方案以提高用户的响应能力。在实时运行阶段,运用状态队列模型对参与用户提前控制,减少因初始温度分布不均所导致的削减负荷波动。仿真表明：提出的激励方案对用户的补偿更加全面,可以激励更多的用户参与控制,通过提前控制策略和跨组调动可实现对负荷精准控制,削弱由于初始温度不均和负荷退出对减载带来的影响。     

基于粗糙集-神经网络的冰蓄冷空调冷负荷预测研究

针对目前冰蓄冷空调运行管理中存在的每日蓄冰量过多。耗能严重的问题,提出了基于粗糙集和人工神经网络的冰蓄冷负荷的预测模型。该模型减少了数据样本的数量,提高了冷负荷预测精度,有利于冰蓄冷空调的节能运行。     

考虑需求响应的温度敏感用户夏季短期负荷预测方法

在新常态下为了降低生产成本,用户会参与需求响应进行错峰和避峰。传统负荷预测模型对用户负荷特性变化不敏感,对一些突变信息难以准确预测。针对此问题,考虑温度敏感用户参与需求响应,提出了夏季短期负荷预测方法。该方法采用小波变换和局部离群因子方法对负荷数据预处理,基于模糊C均值聚类和径向基函数网络相结合的方法识别预测日的负荷特性,采用线性回归模型对预测日的负荷特性相同的历史负荷数据进行负荷预测,根据降温负荷的基准值和温度变化值评估出降温负荷值,最后综合得出预测日的负荷。对3类温度敏感的纺织行业大用户进行算例分析,验证了所提方法的可行性和有效性。     

基粗糙集—神经网络的冰蓄冷空调冷负荷预测研究

针对目前冰蓄冷空调运行管理中存在的每日蓄冰量过多,耗能严重的问题,提出了基于粗糙集和人工神经网络的冰蓄冷负荷的预测模型.该模型减少了数据样本的数量,提高了冷负荷预测精度,有利于冰蓄冷空调的节能运行.     

电力负荷和供热负荷的灰色关联分析

电力负荷与供热负荷紧密相关，热电联产有利于节能和改善环境质量。文章对两者进行了灰色关联分析，以期对是否采用热电联产提供一个科学的依据。     

基于体感温度的电力系统负荷分类及负荷预测

针对体感温度与负荷之间的变化关系进行了深入研究,研究表明体感温度在不同范围内变化时将对地区负荷影响表现出截然不同特征。将负荷分为对体感温度敏感和不敏感2种类别,并提出2种负荷预测方法。2种负荷预测方法均以径向基神经网络为基础,并针对不同类型待预测负荷采取差异化样本选取和处理方法,有效提高了该负荷预测模型适用性和负荷预测精度。将该方法运用到某市总负荷预测中,预测结果表明该方法具有较高精度和较好实用性,是一种有效的短期负荷预测新方法。     

基于负荷实际暂态特性的配电网负荷模型的研究

针对现场实际负荷成分的时变性、随机性、复杂性、多样性和非线性的特点,在考虑实际负荷暂态特性的基础上,提出一种基于神经网络的配电网受控电流源负荷模型的方法。该方法根据负荷群在稳态运行条件下的电压和电流暂态特性,通过神经网络学习负荷群的电压电流特性,用受控电流源代替实际的负荷群,受控电流源的电流大小受神经网络控制,并利用Matlab/Simlink对所提出的负荷模型建立方法进行仿真验证。仿真结果表明所建立的负荷模型在单相短路、两相短路和三相短路条件下均具有良好的稳定性和准确性。     

负载与变频

介绍了在恒转矩、平方减转矩和波动功率、恒功率等特性的负载上应用变频技术的方法、特点和节能效果。     

商业楼宇负荷可调能力与负荷特征的相关性研究

通过对城市区域内50幢楼宇用能系统进行调研和数据采集,结合其用电数据资源、构成要素以及历史负荷调控实际事件信息,采用楼宇负荷聚类、分类方法,引入负荷调节率及负荷波动率的计算分析,重点开展商业楼宇负荷调控可调能力和负荷分类特性、调节率、波动率等相关性研究.根据研究结论提出了未来进一步的研究方向,可为虚拟电厂运营、电力需求...     

基于负荷类型细分的负荷聚合商日前投标非合作博弈模型

负荷聚合商能整合中小负荷资源并为其提供参与市场调节的机会,以提高需求响应效率。提出了一种基于负荷类型细分和非合作博弈的负荷聚合商日前投标模型,一方面根据居民柔性负荷的不同用电特性进行典型分类并将每一类负荷作为研究对象,避免了以家庭为控制单位参与投标的复杂度;另一方面在开放电力市场下,不同于常规多目标集中优化,引入博弈思想协调优化各聚合商作为独立决策主体的利益。根据物理特性将居民柔性负荷分成4类,并基于用户使用习惯和舒适度建立负荷模型;在市场电价的引导下,基于用户黏性理论优化聚合商售电电价,建立负荷聚合商日前投标决策模型并进行算例分析。仿真结果表明,所建立的负荷聚合商投标决策模型通过对居民负荷的分类聚合和补偿,在计划调度层面能有效减少电网峰时负荷和平抑峰时电价,提高负荷聚合商的利润,降低用户用电成本。