區(qū)域綜合能源系統(tǒng)是包含電、熱、冷等多種類型能源的體系,其一方面可以實現(xiàn)多種類型能源（電能、熱能、冷能等）協(xié)調(diào)互補,實現(xiàn)不同能源的梯級利用,提高能源的使用效率,另一方面可以實現(xiàn)不同能源間的互聯(lián)互通,擴大社會的用電需求,從而促進以光伏、風(fēng)能為代表的可再生能源的消納,一定程度上緩解“棄風(fēng)”“棄光”的現(xiàn)象。區(qū)域綜合能源系統(tǒng)的構(gòu)建對于促進清潔能源轉(zhuǎn)型,提高可再生能源的占比具有顯著的意義。精確的能源需求預(yù)測是區(qū)域綜合能源系統(tǒng)規(guī)劃設(shè)計、運行設(shè)計和能量管理的必要前提,具有重要的實用價值。本論文以區(qū)域綜合能源系統(tǒng)中的短期預(yù)測為目標,分為用能側(cè)預(yù)測和供能側(cè)預(yù)測。用能側(cè)預(yù)測是指對含電、熱、冷的多元負荷進行預(yù)測。首先,從月級、周級、小時級多個時間尺度對單一負荷及多元負荷間耦合關(guān)系進行詳細分析。其次,通過K-MEANS算法對多元負荷的場景進行用能模式聚類,并提取典型日負荷曲線。引入COPULA理論對不同典型日下的電-熱,電-冷相關(guān)性進行定量分析。然后,通過繪制電-熱、電-冷在典型場景下的散點圖,擬合出負荷間的函數(shù)關(guān)系,為高階特征變量的提取提供了依據(jù)。最后,采用蝙蝠算法優(yōu)化的極限學(xué)習(xí)機模型對不同的負荷進行預(yù)測,通... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及研究意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 區(qū)域綜合能源系統(tǒng)研究現(xiàn)狀
        1.2.2 區(qū)域綜合能源系統(tǒng)多元負荷短期預(yù)測研究現(xiàn)狀
        1.2.3 區(qū)域綜合能源系統(tǒng)光伏發(fā)電功率短期預(yù)測研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
2 區(qū)域綜合能源系統(tǒng)多元負荷分析
    2.1 概述
    2.2 多時間尺度下單一負荷特性分析
        2.2.1 電負荷特性
        2.2.2 冷負荷特性
        2.2.3 熱負荷特性
    2.3 多元負荷間耦合特性分析
        2.3.1 電-熱負荷間耦合特性分析
        2.3.2 電-冷負荷間耦合特性分析
    2.4 多元負荷典型日分析
        2.4.1 電-熱負荷典型日分析
        2.4.2 電-冷負荷典型日分析
    2.5 基于Copula理論的多元負荷相關(guān)性分析
    2.6 本章小結(jié)
3 多元負荷數(shù)據(jù)處理與預(yù)測流程
    3.1 概述
    3.2 數(shù)據(jù)的預(yù)處理
        3.2.1 異常數(shù)據(jù)的辨識和修正
        3.2.2 數(shù)據(jù)的歸一化
    3.3 特征變量的選取
        3.3.1 熱-電負荷函數(shù)關(guān)系擬合
        3.3.2 冷-電負荷函數(shù)關(guān)系擬合
    3.4 多元負荷預(yù)測步驟
    3.5 誤差分析與評價指標
    3.6 本章小結(jié)
4 基于改進極限學(xué)習(xí)機模型的多元負荷短期功率預(yù)測
    4.1 概述
    4.2 預(yù)測模型基礎(chǔ)理論
        4.2.1 極限學(xué)習(xí)機模型
        4.2.2 蝙蝠優(yōu)化算法
    4.3 基于蝙蝠算法優(yōu)化的極限學(xué)習(xí)機模型
    4.4 預(yù)測算例分析
        4.4.1 電負荷預(yù)測
        4.4.2 熱負荷預(yù)測
        4.4.3 冷負荷預(yù)測
    4.5 本章小結(jié)
5 基于相似日和改進隨機森林模型的供能側(cè)光伏功率短期預(yù)測
    5.1 概述
    5.2 基于Copula理論的非線性相關(guān)性檢驗
    5.3 相似日的選取
    5.4 基于網(wǎng)格搜索法改進的隨機森林模型
    5.5 光伏預(yù)測算例分析
        5.5.1 預(yù)測結(jié)果分析
        5.5.2 預(yù)測結(jié)果對比
    5.6 本章小結(jié)
6 結(jié)論與展望
致謝
參考文獻
攻讀學(xué)位期間發(fā)表論文和參加科研情況


【參考文獻】：
期刊論文
[1]最大相關(guān)系數(shù)預(yù)測模型在熱電廠短期熱負荷預(yù)測中的應(yīng)用[J]. 姜平,趙保國,石晶晶,張海偉,王琦,楊超杰.  電力學(xué)報. 2020(01)
[2]改進Elman神經(jīng)網(wǎng)絡(luò)在短期熱負荷預(yù)測中的應(yīng)用[J]. 王琦,楊超杰,李麗鋒.  工業(yè)儀表與自動化裝置. 2020(01)
[3]基于EEMD-GRU-MLR的短期電力負荷預(yù)測[J]. 鄧帶雨,李堅,張真源,滕予非,黃琦.  電網(wǎng)技術(shù). 2020(02)
[4]基于改進MOPSO-BP算法的短期電力負荷預(yù)測研究[J]. 張靜,石鑫.  電力學(xué)報. 2019(06)
[5]改進灰色預(yù)測模型在熱電廠熱負荷預(yù)測中的應(yīng)用[J]. 胡世廣,王琦.  電力學(xué)報. 2019(06)
[6]基于改進ARX模型的房間冷負荷預(yù)測[J]. 邰敏,李占培,劉廷章,金碧瑤,薛凡.  控制工程. 2019(12)
[7]基于注意力機制的CNN-GRU短期電力負荷預(yù)測方法[J]. 趙兵,王增平,紀維佳,高欣,李曉兵.  電網(wǎng)技術(shù). 2019(12)
[8]基于IPSO-WNN的綜合能源系統(tǒng)短期負荷預(yù)測[J]. 李守茂,戚嘉興,白星振,葛磊蛟,李濤.  電測與儀表. 2020(09)
[9]基于改進BP神經(jīng)網(wǎng)絡(luò)的短期電力負荷預(yù)測方法研究[J]. 王克杰,張瑞.  電測與儀表. 2019(24)
[10]基于結(jié)合混沌縱橫交叉的PSO-DBN的短期光伏功率預(yù)測[J]. 孫輝,冷建偉.  電測與儀表. 2020(06)



本文編號：3642442