大用戶負(fù)荷預(yù)測(cè)方法研究及其應(yīng)用.pdf

1、隨著經(jīng)濟(jì)的發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，企業(yè)的設(shè)備逐步向大容量、高參數(shù)設(shè)備升級(jí)，這導(dǎo)致了大用戶的電壓等級(jí)較高，負(fù)荷量很大。大用戶負(fù)荷占地區(qū)負(fù)荷比例很高，它的波動(dòng)對(duì)所在地區(qū)的負(fù)荷影響非常明顯，增加了地區(qū)負(fù)荷預(yù)測(cè)的難度。有效的大用戶負(fù)荷預(yù)測(cè)是提高整個(gè)電網(wǎng)負(fù)荷預(yù)測(cè)準(zhǔn)確率的關(guān)鍵因素，對(duì)電網(wǎng)安全、經(jīng)濟(jì)運(yùn)行有著重要的意義。
　　 本文對(duì)地區(qū)大用戶負(fù)荷曲線、日用電量曲線分析，總結(jié)得到大用戶負(fù)荷波動(dòng)劇烈并帶有很大的隨機(jī)性和企業(yè)的設(shè)備檢修對(duì)負(fù)荷影響非常大

2、等特點(diǎn)。大用戶負(fù)荷不受氣候、天氣和節(jié)假日等因素的影響，但是它跟企業(yè)的生產(chǎn)工藝和生產(chǎn)計(jì)劃緊密相關(guān)。根據(jù)鋼鐵企業(yè)、水泥企業(yè)、化纖企業(yè)和造紙企業(yè)的生產(chǎn)工藝流程、生產(chǎn)設(shè)備、負(fù)荷曲線分析了它們的負(fù)荷特性。
　　 本文用灰色模型、BP神經(jīng)網(wǎng)絡(luò)、廣義回歸神經(jīng)和灰色神經(jīng)網(wǎng)絡(luò)分別對(duì)大用戶負(fù)荷進(jìn)行單獨(dú)預(yù)測(cè)和綜合預(yù)測(cè)仿真。仿真結(jié)果表明，大用戶的負(fù)荷具有很大沖擊性和波動(dòng)隨機(jī)性，一般的算法對(duì)大用戶負(fù)荷預(yù)測(cè)效果不是很理想。綜合預(yù)測(cè)可以使大用戶負(fù)荷波動(dòng)相互抵

3、消，負(fù)荷變得更加平穩(wěn)，預(yù)測(cè)的精度更高。
　　 針對(duì)傳統(tǒng)的支持向量機(jī)(SVM)在負(fù)荷預(yù)測(cè)中參數(shù)選擇對(duì)預(yù)測(cè)影響很大的問(wèn)題，用粒子群(PSO)優(yōu)化算法尋求SVM模型中懲罰參數(shù)、核函數(shù)參數(shù)的最優(yōu)化。通過(guò)仿真表明，與其他算法相比，該算法不僅加快了收斂速度和提高了收斂精度，而且具有很好的預(yù)測(cè)效果，顯示出算法在大用戶負(fù)荷預(yù)測(cè)中的優(yōu)勢(shì)。
　　 為了提高地區(qū)短期負(fù)荷預(yù)測(cè)水平，掌握地區(qū)典型大用戶的負(fù)荷特點(diǎn)，設(shè)計(jì)開(kāi)發(fā)了地區(qū)典型大用戶負(fù)荷分析管