学位论文 > 优秀研究生学位论文题录展示

电力市场环境下基于电价预测的水库优化调度研究

作　者: 黄四霞
导　师: 薛小杰；黄强
学　校: 西安理工大学
专　业: 水文学及水资源
关键词: GM(1,1)模型电价预测 BP神经网络水库优化调度 POA算法
分类号: TV697.11
类　型: 硕士论文
年　份: 2009年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

随着电力市场的开放和分时电价制度的实施,水电站水库在电力系统中的作用显得日益重要,以往对水电站水库优化调度单纯追求发电量最大的优化准则已不能适应新时期的发展要求。研究分时电价条件下水电站水库优化调度问题,对于充分利用水能资源,提高发电厂的经济效益,具有重要的理论意义和实用价值。本论文在总结以往相关领域研究成果的基础上,针对在电力市场环境下由于电价水平的差异引起的相同发电量并不易意味着相同发电效益、传统的以发电量最大为目标的水库优化调度策略已不能给水电站带来最大的发电效益的问题,建立了发电量最大发电效益最大模型并进行了求解,实例分析表明发电效益最大模型较发电量最大模型能带来更大的经济效益。论文的主要内容包括：(1)在阅读大量国内外文献的基础上,综合评述了国内外水电站优化调度理论、方法及应用现状,并对电力市场及电价相关领域知识进行了阐述。(2)在综述了负荷预测研究的意义和方法的基础上对灰色理论进行了论述,分析了灰色理论应用于预测的原理,重点介绍了GM(1,1)模型、GM(1,1)改进模型和残差模型,并对美国加州电力市场用以上模型建模,对2000年9月14日至9月20日的负荷做了预测。结果表明,GM(1,1)改进模型和残差模型都比GM(1,1)模型不同程度的提高了预测精度。(3)利用BP神经网络对边际电价进行了预测,采用相似搜索对输入量进行选取,并用平均百分比误差和最大百分比误差两个参数对预测精度进行了分析,之后用相关性分析技术对输入量的选取进行了改进,结果显示利用相关性分析技术对预测模型输入量进行选取后预测效果有了较为明显的改善,尤其是对周末边际电价的预测精度有很大程度的提高,最大百分比误差由49.73%减小到29.92%,平均百分比误差也由14.34%减小到12.41%。这说明利用相关性分析技术对输入因子的选取进行改进能较大程度的提高预测精度。(4)系统分析了目前我国水库优化调度的意义、规则和优化调度准则,以珠江某水电站水库为例,分别建立了发电量最大及发电效益最大两种模型,根据不同时段电价的差异,综合考虑了水库蓄水位、机组出力限制、电厂下泄流量、机组特性曲线、库容特性曲线等众多约束条件,利用POA算法优化理论求解优化模型,结果表明以发电效益最大为目标,日经济收入增加了3.8万元,发电效益提高了3.0939%。

全文目录

摘要  3-5
Abstract  5-10
1 绪论  10-18
  1.1 课题研究的背景  10-12
  1.2 研究目的及意义  12-13
  1.3 水库优化调度国内外研究现状  13-16
    1.3.1 水电站优化调度概述  13-14
    1.3.2 单库优化调度研究现状  14-15
    1.3.3 水库群优化调度研究现状  15-16
  1.4 研究的主要内容  16-17
  1.5 研究的技术路线  17-18
2 电力市场及电价概述  18-32
  2.1 电力市场概述  18-25
    2.1.1 电力市场的相关问题研究  18-19
    2.1.2 国外电力市场研究概述  19-22
    2.1.3 我国电力市场研究  22-23
    2.1.4 国外电力市场对我国电力市场的影响  23-24
    2.1.5 电力市场改革面临的新问题  24-25
  2.2 电力市场环境下电价研究  25-32
    2.2.1 电价的形成与基本功能  25-26
    2.2.2 电价的制定方式研究  26-27
    2.2.3 电价的特点及影响因素  27
    2.2.4 边际电价的特征及其关联因素  27-29
    2.2.5 实时电价理论的提出及发展趋势  29-32
3 基于灰色理论的短期负荷预测  32-46
  3.1 短期负荷预测概述  32-36
    3.1.1 短期负荷预测的重要意义  32-33
    3.1.2 短期负荷预测的研究方法  33-36
  3.2 GM预测短期负荷模型的建立  36-39
    3.2.1 GM(1,1)模型  37-38
    3.2.2 GM(1,1)模型的改进  38-39
    3.2.3 GM(1,1)的残差模型  39
  3.3 基于GM(1,1)及其改进模型的负荷预测  39-45
    3.3.1 历史负荷的结构形式  39
    3.3.2 误差分析  39-40
    3.3.3 算例分析  40-45
  3.4 小结  45-46
4 电力市场边际电价预测  46-60
  4.1 系统边际电价概述  46-48
    4.1.1 系统边际电价预测的意义  46
    4.1.2 边际电价的预测方法及研究现状  46-48
  4.2 人工神经网络概述  48-49
  4.3 BP神经网络理论  49-52
    4.3.1 BP网络结构  49-50
    4.3.2 BP神经网络的计算过程  50-52
  4.4 基于相似搜索和神经网络的电价预测模型  52-56
    4.4.1 构造训练样本  52-53
    4.4.2 对训练样本进行归一化处理  53
    4.4.3 确定网络结构  53-54
    4.4.4 预测实例及误差分析  54-56
  4.5 基于相关性分析和神经网络的预测模型  56-59
    4.5.1 预测模型输入量选取  56-57
    4.5.2 对训练样本进行归一化处理  57
    4.5.3 确定网络结构  57
    4.5.4 预测实例及误差分析  57-59
  4.6 小结  59-60
5 电力市场环境下基于上网电价的水电站优化调度  60-74
  5.1 水电站优化调度简介  60-61
  5.2 水库优化调度的优化准则与目标函数  61-62
    5.2.1 国民经济收入最大准则  61
    5.2.2 电力系统费用最小  61
    5.2.3 发电量最大  61-62
    5.2.4 保证出力最大  62
  5.3 常规水电站水库优化调度数学模型  62-63
    5.3.1 发电量最大准则下水库优化调度模型  62
    5.3.2 约束条件  62-63
  5.4 基于上网电价的水库优化调度模型(发电效益最大模型)  63-65
    5.4.1 发电效益最大准则下水库优化调度模型  63-64
    5.4.2 约束条件  64-65
  5.5 优化调度模型的求解  65-68
    5.5.1 优化方法的选用  65
    5.5.2 水库优化调度的动态规划法  65-66
    5.5.3 逐步优化算法  66-68
  5.6 考虑电价因素时的水电站优化调度  68-73
    5.6.1 电站资本资料  68-69
    5.6.2 水库优化调度结果分析  69-73
  5.7 小结  73-74
6 结论与展望  74-76
  6.1 论文总结  74
  6.2 展望  74-76
致谢  76-77
参考文献  77-81
附录  81

电力市场环境下基于电价预测的水库优化调度研究

内容摘要

全文目录

相似论文