提升光伏消纳能力的需求侧管理策略研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-18页 |
| 1.2.1 光伏消纳研究现状 | 第11-14页 |
| 1.2.2 需求侧管理研究现状 | 第14-18页 |
| 1.3 研究目的和意义 | 第18-19页 |
| 1.4 本文研究内容安排 | 第19-22页 |
| 2 需求侧管理中的负荷预测研究 | 第22-34页 |
| 2.1 需求侧管理中的负荷预测 | 第22-25页 |
| 2.1.1 负荷预测的特点 | 第22-23页 |
| 2.1.2 负荷预测技术 | 第23-24页 |
| 2.1.3 负荷预测的步骤 | 第24-25页 |
| 2.2 基于时间序列分析的负荷预测方法 | 第25-29页 |
| 2.2.1 BP神经网络数学模型 | 第25-28页 |
| 2.2.2 预测网络设计与实现 | 第28-29页 |
| 2.3 结果与分析 | 第29-32页 |
| 2.4 本章小结 | 第32-34页 |
| 3 需求侧负荷能耗模式研究 | 第34-44页 |
| 3.1 负荷能耗模式研究技术 | 第34-35页 |
| 3.2 研究思路和步骤 | 第35页 |
| 3.3 居民区负荷能耗模式研究 | 第35-37页 |
| 3.3.1 居民区负荷能耗模式分析 | 第35-37页 |
| 3.3.2 决定性因素概率分布 | 第37页 |
| 3.4 蚁群算法识别分布参数 | 第37-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 需求侧负荷转移策略 | 第44-56页 |
| 4.1 负荷转移策略数学模型 | 第44-46页 |
| 4.2 用户舒适度模型 | 第46-52页 |
| 4.2.1 可控负荷最优转移模式 | 第46-47页 |
| 4.2.2 K-means算法聚类求解 | 第47-51页 |
| 4.2.3 用户舒适度 | 第51-52页 |
| 4.3 负荷转移电价激励研究 | 第52-55页 |
| 4.3.1 电力市场成本模型假设 | 第52页 |
| 4.3.2 政府制定者给定电价模型 | 第52-53页 |
| 4.3.3 用户侧反馈模型 | 第53-54页 |
| 4.3.4 电价激励模型 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 5 提升光伏消纳负荷管理策略研究 | 第56-72页 |
| 5.0 负荷管理目标 | 第56-59页 |
| 5.1 改进的遗传算法 | 第59-61页 |
| 5.2 仿真验证 | 第61-66页 |
| 5.2.1 系统模型的建立 | 第61-62页 |
| 5.2.2 仿真结果和分析 | 第62-66页 |
| 5.3 优化结果评价 | 第66-70页 |
| 5.4 本章小结 | 第70-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 附录A | 第78-82页 |
| 附录B | 第82-90页 |
| 附录C | 第90-92页 |
| 附录D | 第92-96页 |
| 附录E | 第96-98页 |
| 附录F | 第98-100页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第100-104页 |
| 学位论文数据集 | 第104页 |
