电力体系负荷特点分析与负荷预估研究

《电力体系负荷特点分析与负荷预估研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、电力体系负荷特点分析与负荷预估研究第一章绪论1.1论文研究的背景和意义随着我国电力体制改革的进一步深化和市场经济的进一步发展，电力市场分析工作对电力企业的经营和规划发展越来越重要。准确的电力负荷特性分析与负荷预测研究已成为电力企业生产经营和计划管理工作的一项重要内容，也是指导电力企业经营计划工作非常重要的一个环节。中国十一五规划纲要指出，十一五期间单位国内生产总值能耗降低20%左右、主要污染物排放总量减少10%。这是贯彻落实科学发展观、建设资源节约型社会的必然选择。节能减排政策及相关经济政策的推行，必将对全国经济发展产生重要影响，

2、相应的也会引起全国用电负荷和用电量的明显变化。同时，随着生活条件的逐步改善，气候以及与其相关的空调负荷变化对负荷特性的影响也越来越大。2008年起国家实行新的节假日制度，使节假日负荷特性发生了明显变化，给节假日负荷预测带来了新的挑战。负荷预测对电力系统许多部门都起着重要的作用。例如，一年以上的中长期负荷预测是制定电力系统发展规划的前提，以日负荷曲线为预测对象的短期负荷预测研究则是制定日前发电计划的基础。负荷预测系统涉及电力系统规划和设计，电力系统运行的经济性、可靠性和安全性、电力市场交易等多个方面，它已成为现代化电力系统运行和管理

3、中的一个重要研究领域。电力系统的主要任务是为各类用户提供经济、可靠和高质量的电能，应随时满足用户的负荷需求量和负荷特性的要求。为此，在电力系统规划设计、运行管理和电力市场交易中，必须对负荷需求量的变化与负荷特性有一个准确的预测。由于负荷特性发生了变化，相应的负荷预测难度也会加大。全面准确的负荷特性分析与负荷预测是电力系统安全稳定运行的保障，是电力规划的基础，电力研究工应给予足够的重视。1.2国内外研究现状1.2.1负荷特性研究综述1、负荷特性指标对负荷特性的研究主要基于对负荷特性指标和历史数据的分析，所涉及的指标数量多，指标变化的

4、随机性大，而且指标一般不能直接相加，因此分析预测的难度和工作量均比较大。从负荷特性的整体情况来看，目前我国研究的深度普遍不够，各地区负荷特性分析采用的指标不完全一致，各地区所开展的负荷特性分析的深度和历史资料的积累也不一致。电力负荷特性分析的难度较大，主要表现在：一是目前缺乏系统的负荷及负荷特性分析方法；二是负荷特性指标是时点指标，不同地区、不同时间的负荷特性不能直接叠加，使得进行大范围区域负荷特性分析的难度明显增加；三是各行业典型负荷曲线、非电网统调负荷特性曲线的获取和加工处理较为困难；四是定量分析各种因素对负荷特性的影响较为困

5、难。因此负荷特性分析主要是以定性分析为主，有效地定量分析预测的方法不多。在进行负荷特性分析的过程中，需要重点研究以下问题：一是各地区负荷特性变化的主要特点；二是负荷特性指标的规范和体系的建立；三是影响负荷特性的主要因素及其影响程度分析；四是负荷特性变化的总体趋势。2、负荷特性研究方法对负荷进行分析时，往往利用曲线图、柱形图等来进行分析。例如，根据历年最大负荷数值，绘制年最大负荷变化曲线图，对该图进行分析，可以找出年增长率，大致把握该地区的用电量变化情况。对电力系统负荷特性进行分析研究时，如果仅限于总负荷分析，忽视不同产业的负荷变化

6、和水平提高的影响，就很难准确把握电力负荷变化发展的内在过程。因此，还要通过曲线的形式分析各行业的负荷特性。对负荷影响因素进行分析时，主要采用关联度分析方法，常用的方法有：（1）回归分析研究一个随机变量与一个（或几个）可控变量之间的相关关系的统计方法称为回归分析。只有一个自变量的回归分析叫做一元回归分析，多于一个自变量的回归分析叫做多元回归分析。在负荷变化影响因素分析中，建立多个影响因素与负荷特性某个指标之间的函数关系，就只是回归分析的关键点。本论文第四章采用回归方法建立了气象条件与负荷之间的关系模型。（2）方差分析方差分析是数理统

7、计的基本方法之一，是工农业生产和科学研究中分析数据的一个重要工具。与回归分析一样，它实质上仍然是研究自变量（因素）与因变量（随机变量）的相关关系，但是它只是要求辨明某个因素对因变量是不是有显著性影响。本论文第四章所计算的相关系数即是方差分析的一种。（3）主成分分析主成分分析是设法将原来众多具有一定相关性的多个指标，重新组合成一组新的互相无关的综合指标来代替原来的指标。在实际课题中，为了全面分析问题，往往提出很多与此有关的变量（或因素），因为每个变量都在不同程度上反映这个课题的某些信息。但是，在用统计分析方法研究这个多变量的课题时，

8、变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。主成分分析是对于原先提出的所有变量，建立尽可能少