基于大用户报装的中长期城市负荷预测方法

大用户负荷是构成城市负荷的主要部分,本文提出了一种基于大用户报装的中长期城市负荷预测方法。通过将城市负荷分解为大用户负荷和中小负荷的两部分,分别采用阶段分析法和自然增长率法对这两步进行建模,从而实现中长期城市负荷预测。

城市天然气负荷特点及其预测研究

对城市天然气各类用户的负荷特点以及现有的负荷预测方法进行了研究。介绍了常用的三类预测方法,分析了各种方法的特点和适用条件并对城市天然气各类用户的用气特点进行了研究,提出了建立以历史数据拟合程度、发展协调一致性和模型可信性为判断标准的天然气负荷层次综合最优组合预测模型体系,认为应加快引进国外先进成熟的负荷预测软件,做好二次开发和应用,研制出适应我国国情的预测软件。

考虑日周期性的城市电力负荷短期自回归预测

为了解决城市电力负荷的短期预测问题,本文提出了一种考虑日周期性的短期自回归预测方法。该方法利用城市集体负荷的日周期性,采用自回归的方法进行预测,并对预测的结果进行评估。本文的原始数据来自北方某城市18435个用户,数据间隔为15 min一个测点,一天96个测点,共28天的历史数据。通过使用前27天的数据对第28天的数据进行了预测。通过将预测的功率曲线与实测的功率曲线进行比对,该方法对城市电力负荷短期预测取得了良好的效果。该研究可以为政府和电力调度部门提供建议,为城市以及园区级综合能源规划提供参考,并为精细化售电服务的套餐制定提供支持。

基于关联分析的城市用电负荷研究

结合电力行业数据的特殊性构建数据库,将关联规则数据挖掘分析方法应用于城市负荷分析中。采用FP-Growth算法对国内48个城市的负荷数据进行挖掘,分析各相关因素对电力负荷的影响,得出了电量及电量增长率与GDP增长率、第二产业比重、中心性等级、行政级别等相关因素的强关联规则。所获得的分析结果符合实际而且能够给出各因素的数值参考范围。

基于解释结构模型的城市电力负荷预测

影响城市电力负荷的不确定风险因素很多,各种风险因素之间相互影响,形成一个复杂的系统。研究风险系统的结构和相互关系,以及这些风险因素对城市电力负荷的影响,对于城市电网规划非常有意义。文中以影响城市电力负荷的风险因素为研究对象,运用解释结构模型(ISM)对影响城市电力负荷的风险因素进行了分析,并构建了该风险系统的阶层结构图及风险传递链。在此基础上,建立了基于ISM风险分析的城市电力负荷预测模型。通过北京市2001年—2008年全社会用电量算例检验,所提出的方法可以有效提高城市电力负荷预测水平,为城市电力负荷预测风险管理提供决策基础。

城市非点源水污染负荷流出特性

对两个相邻但城市化程度不同的流域进行了同步的降雨时非点源负荷流出调查，以揭示城市区域非点源水污染物的流出特性．根据调查分析结果讨论了城市化程度与单位面积流出负荷的关系以及水质浓度与雨水径流之间随时间变化的关系．对流出负荷的成分分析结果表明，悬浮性物质占据总负荷的大部分。

北京市城市燃气日负荷与高峰小时流量的关系

北京市根据经验取小时高峰系数为1.2来计算冬季高峰小时流量,但随着用气量的增加,用气结构的变化,此传统算法已不再适用。分析了近年来北京市的燃气管网工况,探索了日负荷与高峰小时流量及小时高峰系数之间的规律,提供了日负荷及相应高峰小时流量和小时高峰系数的经验值。

基于负荷分解的城市长期负荷预测模型研究

我国城市出现了快速增长的空调负荷。考虑空调负荷的增长规律及影响因素,从负荷分解的角度构建了城市长期负荷预测模型。在模型中,高峰负荷被分解为3部分:居民空调负荷、工作区空调负荷以及基本负荷。以上海为例进行的实证研究表明,基于负荷分解的预测模型能够反映城市电力需求的增长,可为需求侧管理提供制定政策的依据。

遗传支持向量机在城市节假日电力负荷预测中的应用

支持向量机(support vector machines,SVM)根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,具有良好的预测效果?但是在基于支持向量机的负荷预测方法中,参数的选择对预测结果具有较大影响,可能导致结果误差较大。本文利用遗传算法对SVM的参数最优值进行自动搜索,改善其预测性能。然后将遗传支持向量机(GA-SVM)应用于广东省某城市的节假日电力负荷预测。结果表明,基于遗传支持向量机的预测效果比相似日法更好。

城市燃气负荷的混沌特性及预测分析

通过混沌理论法重构了燃气负荷时间序列,通过大量的实验和预测结果证明,这是一种先进的分析方法,在燃气负荷预测研究中,混沌时间序列分析方法在其中发挥着重要作用。为了有效掌握该项预测方法,文章通过下文对相关方面的内容进行了论述,从而为有关单位及工作人员在实际工作中提供一定帮助作用。

基于平均浓度模型的城市非点源污染负荷时空估算研究

城市非点源污染负荷涉及面广,来源复杂,科学估算难度大,为提高非点源污染负荷估算精度,采用平均浓度模型,以辽中地区为典型实例,对区域非点源污染时空分布进行估算,并对不同下垫面的入河污染负荷贡献率进行解析。估算结果表明:通过和现场观测试验分析数据对比,平均浓度模型估算的非点源污染负荷误差可低于±30%,各下垫面类型中,道路入河污染负荷贡献率最高,其次为屋顶,绿地由于具有一定的吸附和过滤作用,其贡献率最低。研究成果对于城市非点源污染负荷估算具有参考价值。

基于GIS的辽河中游城市非点源污染负荷时空估算新方法研究

基于次降水污染物平均浓度(EMC)监测分析结果,创新采用平均浓度模型法并结合GIS技术对辽河中游城市非点源污染时空分布进行估算,并对各污染物入河贡献率进行定量分析。通过和实测监测数据对比,该方法估算准确率可达到80%以上。研究成果对于解决城市非点源污染负荷定量估算难点具有重要参考价值。

负荷密度特性在新城区电网规划中的应用

通过对城市负荷密度特性的研究,结合新规划理念与方法,设计了一套城区电网规划辅助系统.系统以负荷密度特性为主线,形成预测、布局、组网和分析4个部分,通过人机结合的方式大大提高了城市配电网规划尤其是城市新区配电网规划的效率及可操作性.

采用混合语言信息群决策的电力负荷密度预测法

传统城市空间负荷密度预测法在实际预测过程中其结果的可信度依赖于大量有效的样本数据,而在实际中收集到较齐全的可行样本数据存在很大的难度。为此提出了一种将混合语言信息群决策方法和BP神经网络相结合的城市电力负荷密度预测法。该方法采用基于混合语言信息的群决策方法,通过各决策者的评价,计算城市各小区相应的经济、人口、地理环境的综合评分值,并利用BP神经网络,训练各指标综合评分值与相应的小区负荷密度,利用训练后的网络结构和待定小区的各指标综合评分结果,预测城市该小区的负荷密度。通过对城市若干小区的负荷密度及各指标综合评分值做比较分析,预测了部分小区的负荷密度值。结果表明预测计算过程摆脱了需要大量收集特定指标定量数据的问题,并且预测结果具有较高的可信度。

基于神经网络的燃气日负荷智能预测方法

为解决城市燃气日负荷具有随机性和不确定性问题,首先分别采用广义回归神经网络(GRNN)、灰色?GRNN和梯度?GRNN对燃气日负荷数据进行预测,通过MATLAB仿真表明,得到的预测误差大部分都在20%以内,说明这3种预测模型总体上是可行的,但预测精度并不是很高;然后针对城市燃气日负荷可能发生的预测模型故障现象,将GRNN、灰色?GRNN和梯度?GRNN的预测数据作为组合预测模型的数据基础,采用广义动态模糊神经网络(GD-FNN)进行智能组合预测,仿真结果表明:GD-FNN的平均预测精度为93.639%,平均每组预测用时为7.668 s,从预测精度上看,组合预测模型的预测精度要明显高于单一预测模型的预测精度,尤其是在预测过程中发生故障现象时更显其优势。

基于电力载波通信的居民用电负荷预测大数据应用

电力资源在我国的能源中占有很重要的地位。电力资源不仅促进了我国经济的发展,而且还提高了人民生活水平。现阶段,在局部地区出现了电力供应不足的现象,不但不能满足经济发展对电力的需求,反而因电力供应不足现象制约了当地经济的发展。在符合国家相应规定的前提下,综合当地的环境和经济等客观条件来准确的预测居民用电负荷,这不仅可以能够充分的对电力能源进行利用,而且还实现了宏观调控电力能源的负荷分配。

城市用电指标编制方法探讨

城市供电规划设计,常碰到城市电力网结构形式的选择,电压等级的选择,超高压深入城市等问题。合理解决这些问题,与科学分析计算城市用电负荷有密切关系。若对城市用电负荷估计不足,已建设的电力网,必然导致改建或扩建,造成较大浪费。

电力行业国家标准《城市电力规划规范》获批发布

2014年12月9日,从国家丄程建设标准化信息网获悉,由中国电力科学研究院参加修编的国家标准GB 50293—2014《城市电力规划规范》获批发布,并将于2015年5月1起实施。 GB 50293—1999《城市电力规划规范》在执行过程中,对城市规划中电力工程规划的编制、电力专项规划与城市规划的衔接等起到了很好的指导作用,但随着国民经济的不断发展,城市规模、能源结构及分布、电力需求等条件均发生了相应的变化。

基于中日比较的南通城市生态文明建设思考

近年来,南通市在城市生态文明建设方面作出了很大的努力,但是生态环境改善并不明显,生态文明的理念还停留在文字阶段,生态环境趋势日益严峻。本文以日本生态文明城市建设为例,通过中日比较,分析南通城市生态文明建设的问题和对策。

COD与硫酸盐低比值对城市废水处理的影响

本文研究了厌氧UASB工艺对低浓度城市污水的处理效果,COD与硫酸盐低比值对厌氧反应器的影响。研究表明:对于低浓度(COD小于200mg/L,BOD5小于100)、低COD与硫酸盐比值小于1的进水,厌氧UASB反应器处理效率可达到60%～70%或更高。