导读:本文包含了电力系统负荷论文开题报告文献综述及选题提纲参考文献，主要关键词:柔性负荷聚合商,聚合响应特性,多时间尺度,协同优化调度
电力系统负荷论文文献综述
贾雨龙,米增强,王俊杰,余洋,范辉[1]（2019）在《柔性负荷聚合商参与电力系统的多时间尺度协同优化调度策略》一文中研究指出随着电动汽车(EV)、分布式储能和温控负荷等柔性负荷接入新一代电力系统,为电网调度提出了新的挑战和机遇。基于多种柔性负荷的响应特性,计及风电和负荷预测不确定性所需的系统旋转备用,提出了一种柔性负荷聚合商参与电网调控的多时间尺度优化调度方法。首先,建立了不同柔性负荷模型,在日前阶段,考虑了EV优化充电和分布式储能电价差套利的柔性负荷聚合商运行约束,建立了以日前系统运行经济性最优为目标的调度模型;在日内阶段,考虑了系统旋转备用成本及温控负荷的约束,建立了日内调度模型。最后,以改进的8-bus电力系统算例分析,得出了柔性负荷聚合商参与电力系统的日前-日内协同调度运行计划及承担备用方案,验证了优化方法的有效性和可行性。(本文来源于《华北电力大学学报(自然科学版)》期刊2019年06期）
王鑫琪,李闯,焦晗,李焱飞[2]（2019）在《基于长短时记忆网络的电力系统负荷预测方法研究》一文中研究指出准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助。考虑到负荷数据带有时序性,以及智能电网的发展所带来的数据量的增大,建立了长短时记忆网络(LSTM)模型来对未来用电量进行短期负荷预测。针对Adam训练算法可能存在的收敛问题,对其进行了改进,并通过MATLAB软件对LSTM网络进行建模,通过与BP神经网络进行对比,结果表明,LSTM模型具有更高的精确度以及实用性。(本文来源于《电工电气》期刊2019年11期）
孙洁,耿蕊,杜哲,李然[3]（2019）在《含风电的多区域互联电力系统负荷频率控制》一文中研究指出针对含风电的互联电力系统运用粒子群优化的滑模变控制(PSOSMC)算法进行负荷频率控制,风力发电作为负的负荷与常规火电机组和水电机组都参与到负荷频率控制中。PSOSMC控制火电和水电状态变量,维持各项参数的稳定。对常规粒子群算法进行改进,并用改进的粒子群算法优化滑模变结构控制算法中不确定参数的设计。同时,考虑电力系统的非线性问题,以四区域互联电力系统为例,在系统存在阶跃负荷扰动的情况下,验证了滑模变结构方法和改进的粒子群算法的有效性。(本文来源于《现代电子技术》期刊2019年21期）
陆为华,李国庆,董存,权然[4]（2019）在《计及光伏出力与负荷相关性的电力系统概率潮流计算方法》一文中研究指出光伏出力与负荷的不确定性以及二者的相关性对准确评估电力系统运行状态具有重要的影响,为此提出了一种考虑光伏出力与负荷不确定性以及相关性的电力系统概率潮流计算方法。首先,基于光伏出力和负荷的概率分布特性,提出了一种非参数估计概率分布模型,以准确描述光伏电站的实际输出功率。其次,采用Kendall秩相关系数和最小平方欧式距离作为相关性测度和拟合优度指标,利用Copula理论构建了计及光伏出力与负荷相关性的联合概率分布模型,进而利用蒙特卡洛法抽取具有相关性的光伏出力与负荷样本,进一步提出了考虑相关性的概率潮流计算方法。最后,基于IEEE 34节点系统和我国某光伏电站的实测数据进行仿真验证,分析了光伏出力与负荷相关性对系统运行特性的影响,验证了所提出的方法能够准确对计及任意分布的光伏出力与负荷相关性的电力系统进行概率潮流计算。(本文来源于《分布式能源》期刊2019年05期）
吴忠强,张伟[5]（2019）在《基于终端滑模模糊神经网络的电力系统负荷频率控制研究》一文中研究指出针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动问题,提出一种基于终端滑模模糊神经网络的多区域互联电力系统负荷频率控制(LFC)方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制,有效的解决系统响应和扰动抑制的矛盾。将终端滑模模糊神经网络引入自适应逆系统,构建模糊神经网络辨识器,利用终端滑模在有限时间内可实现无静差跟踪的特点,进一步提高神经网络的辨识能力。仿真结果表明所设计的基于终端滑模模糊神经网络的自适应逆系统,不仅可以得到好的动态响应,还可以使风电及负荷扰动减小到最小。(本文来源于《模糊系统与数学》期刊2019年05期）
何金松,叶鹏,张涛,安宁[6]（2019）在《面向电力系统应用的空调负荷研究综述》一文中研究指出空调负荷在电网中占有很大比重,然而空调负荷的负荷特性严重影响电网的稳定性和安全性。因此,对空调负荷的合理调控能够有效缓解电力供需的不平衡,并且提高电网运行效率。从空调负荷建模原理、空调负荷聚合方法、空调负荷控制技术和空调负荷参与电网调节4个方面进行了总结研究,分析了空调负荷在需求侧响应方面国内外的研究现状。(本文来源于《沈阳工程学院学报(自然科学版)》期刊2019年04期）
任利强,张立民,王海鹏,郭强[7]（2019）在《关于电力系统供电短期负荷预测仿真研究》一文中研究指出准确的电力负荷预测有助于电网安全稳定地运行。针对传统单算法单模型存在负荷预测精度低,误差波动大的弊端,提出一种多算法多模型融合的短期电力负荷预测方法。首先利用自助法对数据集进行多次采样。然后使用梯度提升回归树、最小二乘支持向量机和XGBoost算法对采样数据集进行学习,得到多个单预测模型。最后将预测点前一段时间的实际负荷值和对应时间点第一次学习到模型的预测值构成新的训练集,并利用XGBoost算法对此训练集进行在线二次学习,得到最终预测结果。利用上述方法对某市短期电力负荷进行预测,全年小时负荷预测结果的平均绝对百分误差(MAPE)低于单模型、多算法单模型和单算法多模型。结果表明,所提方法具有更高的预测精度。(本文来源于《计算机仿真》期刊2019年10期）
周杰,张矿伟,金龙奎[8]（2019）在《基于GA-BP神经网络的电力系统负荷预测研究》一文中研究指出针对常用BP神经网络算法进行电力系统负荷预测时容易陷入局部最优的缺点,建立一个基于GA-BP神经网络的电力系统负荷预测模型。将负荷数据、最高温度和最低温度作为输入变量,电力系统负荷数据作为输出变量,对某小区一个季度的负荷数据进行仿真分析。经实验验证,在GA-BP电力系统负荷预测模型下的电力系统负荷预测的平均误差比BP神经网络算法负荷预测的平均误差降低了3.4%,因此采用GA-BP神经网络进行电力系统负荷预测具有可行性和有效性,可以提高电力系统负荷预测的精度。(本文来源于《科技创新与生产力》期刊2019年10期）
李中伟,白子扬,周伟健,郭钰锋,张啸[9]（2019）在《电热水器负荷参与电力系统调频响应过程分析》一文中研究指出为研究电热水器负荷参与电力系统一次、二次调频时的响应过程,探究电热水器负荷作为调频备用时与传统发电侧一次、二次调频备用的关系,提出电热水器负荷温度设定点随频率偏差成正比例变化的控制策略,在MATALAB Simulink中构建包含电热水器聚合负荷的电力系统频率响应模型并进行仿真。仿真结果表明:电热水器负荷可在频率事故发生初期快速响应,有效降低频率偏差,缩短频率恢复时间,并能在发电侧一次、二次调频备用响应后恢复初始运行状态,展现出电热水器负荷作为负荷侧调频备用的优势。(本文来源于《电力科学与技术学报》期刊2019年03期）
张林林,莫琦,古栋笙,莫松颖,林建宏[10]（2019）在《电力系统内部电器的智能识别与负荷分解》一文中研究指出家庭智能用电中基于非侵入式监测的电器分类识别及分解有助于用户实时获取用电信息及电网公司进行电力供需平衡。本文提出以累积和极差平方检测暂态功率事件,采用BP神经网络识别电器种类,以及使用基于波形拟合的遗传优化方法进行负荷分解。(本文来源于《数字技术与应用》期刊2019年09期）
电力系统负荷论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
准确的负荷预测对保持电网的稳定性和提高当地经济效益、节约成本有重大帮助。考虑到负荷数据带有时序性,以及智能电网的发展所带来的数据量的增大,建立了长短时记忆网络(LSTM)模型来对未来用电量进行短期负荷预测。针对Adam训练算法可能存在的收敛问题,对其进行了改进,并通过MATLAB软件对LSTM网络进行建模,通过与BP神经网络进行对比,结果表明,LSTM模型具有更高的精确度以及实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电力系统负荷论文参考文献
[1].贾雨龙,米增强,王俊杰,余洋,范辉.柔性负荷聚合商参与电力系统的多时间尺度协同优化调度策略[J].华北电力大学学报(自然科学版).2019
[2].王鑫琪,李闯,焦晗,李焱飞.基于长短时记忆网络的电力系统负荷预测方法研究[J].电工电气.2019
[3].孙洁,耿蕊,杜哲,李然.含风电的多区域互联电力系统负荷频率控制[J].现代电子技术.2019
[4].陆为华,李国庆,董存,权然.计及光伏出力与负荷相关性的电力系统概率潮流计算方法[J].分布式能源.2019
[5].吴忠强,张伟.基于终端滑模模糊神经网络的电力系统负荷频率控制研究[J].模糊系统与数学.2019
[6].何金松,叶鹏,张涛,安宁.面向电力系统应用的空调负荷研究综述[J].沈阳工程学院学报(自然科学版).2019
[7].任利强,张立民,王海鹏,郭强.关于电力系统供电短期负荷预测仿真研究[J].计算机仿真.2019
[8].周杰,张矿伟,金龙奎.基于GA-BP神经网络的电力系统负荷预测研究[J].科技创新与生产力.2019
[9].李中伟,白子扬,周伟健,郭钰锋,张啸.电热水器负荷参与电力系统调频响应过程分析[J].电力科学与技术学报.2019
[10].张林林,莫琦,古栋笙,莫松颖,林建宏.电力系统内部电器的智能识别与负荷分解[J].数字技术与应用.2019