基于多信息源的电力需求侧管理模式研究与应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究动态 | 第10-11页 |
| 1.3 主要研究内容 | 第11-13页 |
| 第2章 基于多信息源的需求侧管理平台研究 | 第13-19页 |
| 2.1 系统设计思路 | 第13-14页 |
| 2.2 基于多信息源的需求侧管理系统功能 | 第14-18页 |
| 2.3 小结 | 第18-19页 |
| 第3章 基于多信息源的负荷特性分析原理 | 第19-36页 |
| 3.1 研究思路 | 第19页 |
| 3.2 基于聚类的负荷形态分析 | 第19-23页 |
| 3.2.1 模糊C均值聚类提取典型负荷曲线方法 | 第19-21页 |
| 3.2.2 负荷聚类数目有效性指标描述 | 第21-23页 |
| 3.3 基于多元线性回归方法的负荷相关性分析 | 第23-25页 |
| 3.4 用户用电特性指标体系 | 第25-27页 |
| 3.4.1 日负荷特性指标 | 第25页 |
| 3.4.2 月负荷特性指标 | 第25-26页 |
| 3.4.3 年负荷特性指标 | 第26页 |
| 3.4.4 规划型负荷特性指标 | 第26-27页 |
| 3.5 算例分析 | 第27-35页 |
| 3.5.1 考虑多用户的负荷形态及特点分析 | 第27-30页 |
| 3.5.2 基于调研的单一用户负荷特性分析 | 第30-33页 |
| 3.5.3 规划型负荷指标分析 | 第33-35页 |
| 3.6 小结 | 第35-36页 |
| 第4章 短期负荷预测模型研究 | 第36-48页 |
| 4.1 概述 | 第36-37页 |
| 4.2 短期负荷预测模型研究思路 | 第37页 |
| 4.3 短期负荷预测单一模型 | 第37-39页 |
| 4.3.1 ARMA模型 | 第37-38页 |
| 4.3.2 BP神经网络模型 | 第38-39页 |
| 4.4 含预测-校正的短期负荷预测组合方法 | 第39-43页 |
| 4.4.1 相似日选择 | 第39-40页 |
| 4.4.2 小波分解原理 | 第40-41页 |
| 4.4.3 不同范围负荷预测结果协调 | 第41-42页 |
| 4.4.4 误差预测-校正方法 | 第42-43页 |
| 4.5 算例分析 | 第43-47页 |
| 4.5.1 对区域总负荷进行预测 | 第43-46页 |
| 4.5.2 对单一用户负荷进行预测 | 第46-47页 |
| 4.6 小结 | 第47-48页 |
| 第5章 用电优化决策研究 | 第48-63页 |
| 5.1 分层分区用电优化决策分析 | 第48-59页 |
| 5.1.1 分层分区用电优化决策研究思路 | 第48页 |
| 5.1.2 用电优化管理方式 | 第48-50页 |
| 5.1.3 用电优化决策建模 | 第50-51页 |
| 5.1.4 分层分区用电优化决策的流程 | 第51-52页 |
| 5.1.5 分层分区用电优化决策算例 | 第52-54页 |
| 5.1.6 用电优化经济效益分析 | 第54-59页 |
| 5.2 需求侧管理潜力分析 | 第59-61页 |
| 5.2.1 需求侧潜力分析思路 | 第59-60页 |
| 5.2.2 需求侧管理负荷优化潜力分析 | 第60页 |
| 5.2.3 需求侧管理节电潜力分析 | 第60-61页 |
| 5.3 小结 | 第61-63页 |
| 第6章 结论与展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
