智能小區(qū)中空調(diào)負(fù)荷分析預(yù)測方法研究.pdf

1、目前,空調(diào)負(fù)荷作為電力負(fù)荷重要的一支越來越受到電力研究人員的重視,在炎熱的夏季,空調(diào)負(fù)荷會在數(shù)小時內(nèi)急劇升高,這為電網(wǎng)的安全運(yùn)行帶來隱患。為了保障居民的安全用電和電力高峰期電網(wǎng)的穩(wěn)定運(yùn)行,空調(diào)負(fù)荷預(yù)測工作成為電網(wǎng)調(diào)度系統(tǒng)不可或缺的部分。如何利用現(xiàn)有資源建立合理的空調(diào)負(fù)荷預(yù)測模型和提高負(fù)荷預(yù)測精度是電力研究人員的工作難點(diǎn)。
　　本文首先以北京國電通公司承擔(dān)的“智能用電實(shí)證項(xiàng)目”為依托,簡要闡述了智能小區(qū)中居民空調(diào)負(fù)荷數(shù)據(jù)采集的關(guān)鍵技

2、術(shù),并進(jìn)行了居民空調(diào)負(fù)荷數(shù)據(jù)的分析處理工作。
　　研究證明,夏季空調(diào)負(fù)荷受到諸多因素的影響。針對居民用電的特性,空調(diào)負(fù)荷對氣象因素的變化尤為敏感,基于此特點(diǎn),本文隨后對居民空調(diào)負(fù)荷與氣象因素(溫度、風(fēng)速)的關(guān)系做了研究分析,并從日特征氣象因素和實(shí)時氣象因素兩方面著手,構(gòu)建了三種BP網(wǎng)絡(luò)預(yù)測模型,然后對模型的預(yù)測精度進(jìn)行了對比分析,驗(yàn)證了本文基于實(shí)時氣象因素進(jìn)行負(fù)荷預(yù)測方法的有效性。
　　針對BP網(wǎng)絡(luò)訓(xùn)練時間過長等局限性,基于

3、實(shí)時氣象因素的方法,本文又提出構(gòu)建RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型,并對其K-means算法進(jìn)行了改進(jìn),之后為了提高負(fù)荷預(yù)測精度,又提出遺傳算法與 RBF結(jié)合的負(fù)荷預(yù)測模型,利用以上模型在MatlabR2012a實(shí)驗(yàn)平臺上進(jìn)行了負(fù)荷模型的24小時整點(diǎn)預(yù)測仿真,并與實(shí)際負(fù)荷作出對比,并對模型的預(yù)測精度進(jìn)行了誤差對比分析。證明了本文改進(jìn)方法的可行性和有效性。
　　本文的研究為北京供電公司就居民方面的空調(diào)負(fù)荷預(yù)測系統(tǒng)平臺的搭建提供了有力的理論基礎(chǔ)