發(fā)布時間：2020-05-15 02:43

【摘要】：由于居民用電量逐年升高以及電力系統(tǒng)建設的嚴重滯后,導致電能供需矛盾日趨嚴重。針對上述問題,本文提出基于數(shù)據(jù)挖掘的居民峰谷分時電價的定價策略研究,通過電價的杠桿作用,引導居民用戶自發(fā)的改變用電方式,對減少最大峰谷負荷差、減少電能浪費、建設資源節(jié)約型社會都有非常重要的意義。本文利用數(shù)據(jù)挖掘的手段,根據(jù)居民用戶相關(guān)歷史數(shù)據(jù),采用多元線性回歸、支持向量回歸的變權(quán)組合模型,預測出未來一段時間居民平均日負荷曲線;再采用模糊聚類思想,確定最優(yōu)閾值,并據(jù)此對隸屬度函數(shù)劃分結(jié)果進行調(diào)整,最終給出峰谷時段劃分方案;然后,再利用馬爾科夫鏈算法,求解出在不同峰谷電價下居民用戶在不同時段間負荷的轉(zhuǎn)移概率,在保證用戶電費支出不增加的前提下,以電網(wǎng)、居民綜合收益最大化為目標函數(shù),給出科學合理的峰谷電價。最后,以貴陽市某地區(qū)第二階梯居民用戶為例進行仿真驗證,結(jié)果證明了本文方法的有效性。
【圖文】：

計算原始簇中的樣本點到 a、b 的距離，如果 ( ) ( )，則將樣本點就分配給 1；重復步驟(2)—(4)，直到達到終止條件或事先設定的分類數(shù)目。的主要思想是：初始時，將所有的樣本點看成一個個獨立的簇，然后以某行逐層的合并，直到達到某種終止條件或事先設定好的分類數(shù)目為止。算輸入：原始數(shù)據(jù)集合 D，分類數(shù)目或樣本距離的閾值；輸出：聚類結(jié)果將所有初始樣本看成一個個獨立的簇；計算兩兩簇中心間的距離，找到距離最小的兩個簇 1和 2；將 1和 2合并為一個類簇；重復步驟(2)、(3)，直到達到某種終止條件或事先設定好的分類數(shù)目為止。

平時段與谷時段的分界線，閾值為 0.3，虛線以下的時刻點屬于谷時段時段，考慮到時段劃分具有一定的連續(xù)性，，需要對劃分結(jié)果進行調(diào)整表 5-4 基于隸屬度函數(shù)時段劃分結(jié)果時段 時段分布峰時段 07：00—8：30 18：15—20：00 /平時段 08：30—13：15 17：15—18：15 20：00—22：谷時段 22：15—07：00 13：15—17：15 /糊聚類的峰谷時段劃分調(diào)整2 節(jié)的分析可知，為了使得峰谷時段的劃分盡可能的科學合理，我們需根據(jù)前人經(jīng)驗得知峰時段和平時段的閾值為 0.6，故本文將主要針對進行仿真，為保證公式（2-11）中的 F 值達到最大值，根據(jù)最優(yōu)閾值的代碼，利用 Matlab2014b 仿真，結(jié)果如下圖所示：
【學位授予單位】：貴州大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP311.13;F426.61;F274

【參考文獻】

相關(guān)期刊論文 前10條

1 孔祥玉;楊群;穆云飛;陸寧;徐_";;分時電價環(huán)境下用戶負荷需求響應分析方法[J];電力系統(tǒng)及其自動化學報;2015年10期

2 陳強業(yè);李際軍;;基于方向約束的對稱距離聚類算法[J];計算機工程與應用;2015年20期

3 張斌;莊池杰;胡軍;陳水明;張明明;王科;曾嶸;;結(jié)合降維技術(shù)的電力負荷曲線集成聚類算法[J];中國電機工程學報;2015年15期

4 黃仁東;張海彬;楊志輝;周揚;張攀;;基于多準則的組合預測模型權(quán)重研究及其應用[J];中南大學學報(自然科學版);2015年05期

5 崔強;王秀麗;王維洲;;考慮風電消納能力的高載能用戶錯峰峰谷電價研究[J];電網(wǎng)技術(shù);2015年04期

6 陳滄楊;胡博;謝開貴;萬凌云;向彬;;計入電力系統(tǒng)可靠性與購電風險的峰谷分時電價模型[J];電網(wǎng)技術(shù);2014年08期

7 唐慧;唐艷;;基于灰色馬爾科夫鏈的用電量預測模型分析及應用研究[J];華北電力大學學報(自然科學版);2014年04期

8 連振洲;溫步瀛;江岳文;;基于負荷曲線分布特征的峰谷時段劃分和修正策略研究[J];電網(wǎng)與清潔能源;2014年07期

9 宮峰勛;戴麗華;馬艷秋;;自適應選取聚類中心K-means航跡起始算法[J];哈爾濱工業(yè)大學學報;2014年05期

10 楊家豪;歐陽森;石怡理;黃瑞藝;劉子文;;一種組合隸屬度函數(shù)及其在電能質(zhì)量模糊評價中的應用[J];電工電能新技術(shù);2014年02期

相關(guān)碩士學位論文 前2條

1 樊冬雪;基于優(yōu)化灰色馬爾科夫鏈模型的鐵路客流量預測方法研究[D];重慶交通大學;2015年

2 孟萌萌;基于RBF神經(jīng)網(wǎng)絡短期熱網(wǎng)負荷預測研究[D];哈爾濱工業(yè)大學;2013年

本文編號：2664348