基于智能電網(wǎng)的實時電價研究.pdf

1、能源是人類賴以生存和發(fā)展的重要物質(zhì)基礎(chǔ)，隨著人類社會的進步和發(fā)展，能源日益耗盡、生態(tài)環(huán)境惡化。這些問題在困擾人類發(fā)展的同時也提醒人類需要提高能源開發(fā)利用的效率和加強環(huán)境保護。電能作為一種便于傳輸?shù)那鍧嵍文茉?，其在人類使用的能源結(jié)構(gòu)中占據(jù)著較大的比例。人類通過發(fā)電將化石燃料中的能源轉(zhuǎn)化成電能，通過電網(wǎng)輸配送到各地供用戶消費。因此，為了滿足經(jīng)濟社會發(fā)展對電力的需求，適應(yīng)發(fā)電和用電多元化的發(fā)展要求，建設(shè)安全可靠、經(jīng)濟高效、環(huán)境友好和使用安全

2、的智能電網(wǎng)已上升為國家戰(zhàn)略。
　　智能電網(wǎng)是世界各國為了適應(yīng)本國的發(fā)展而相繼提出的，不同國家的建設(shè)目標和側(cè)重點各有不同。在智能電網(wǎng)中，通過實行實時電力價格引導用戶參與電力系統(tǒng)運行和管理，減低高峰負荷，激勵用戶在低谷負荷時段消費電力，使電網(wǎng)在較高負荷率下安全可靠地運行，達到削峰填谷目的，提高電網(wǎng)設(shè)備的利用率和發(fā)電效率，同時降低用戶的電費支出并提高能源利用效率，實現(xiàn)節(jié)能減排。為了順利推進實時電價技術(shù)，本文在分析了電力負荷與電力價格的基

3、礎(chǔ)上，建立基于帶擴展記憶粒子群優(yōu)化算法（Particle Swarm Optimization with Extended Memory,PSOEM）的支持向量回歸（Support Vector Regression,SVR）短期電力負荷預測模型，提出實時電力價格的制定原則并通過仿真驗證其可行性。
　　本文通過對國內(nèi)外智能電網(wǎng)發(fā)展和建設(shè)現(xiàn)狀的調(diào)查研究，針對我國以火力發(fā)電為主的能源結(jié)構(gòu)所帶來的環(huán)境生態(tài)問題，指出研究基于智能電網(wǎng)實時電

4、價的必要性。其次，本文對電力負荷的組成及其特性進行深入分析，并闡述電力負荷預測的基本原理以及電力市場條件下的電力價格。為了快速準確高效地預測短期電力負荷，本文提出一種帶擴展記憶的粒子群優(yōu)化技術(shù)和支持向量回歸相結(jié)合，以歷史負荷數(shù)據(jù)作為輸入的基于PSOEM-SVR的短期電力負荷預測方法。本文提出的PSOEM比傳統(tǒng)PSO收斂速度更快精度更高具有更強的尋優(yōu)能力，用來優(yōu)化SVR組合核函數(shù)參數(shù)，減少SVR參數(shù)設(shè)置的盲目低效性，獲得較優(yōu)的PSOEM-