导读:本文包含了空间负荷预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:负荷,空间,电动汽车,网格,配电网,地理信息系统,自动机。
空间负荷预测论文文献综述
张纪伟,刘晓明,冯人海,贡卓,曹建梅[1]（2019）在《基于土地使用性质的饱和空间负荷预测研究》一文中研究指出精准预测电力负荷对提升电网规划和建设质量意义重大,传统饱和负荷预测方法受历史信息影响较大,且预测结果的计算复杂、精度低,为此提出一种基于误差模型变换的饱和负荷预测方法。该方法首先考虑城市用地性质及开发时间,将片区地块分成同质地块和同时地块;继而提出迭代式负荷预测系统架构,将片区负荷预测问题转换为网格化分区的参数估计和模型的整合预测2个子问题相互迭代;最后利用误差模型变换改进极大似然估计,使负荷预测结果不再依赖于地块历史信息。仿真结果表明,该方法的负荷预测结果精确度较高,且受误差影响较小。(本文来源于《广东电力》期刊2019年08期）
杨乐[2]（2019）在《空间负荷预测在某县城核心区负荷预测的应用》一文中研究指出本文作者依据多年工作经验对空间负荷预测在某县城核心区负荷预测的应用研究分析,预测某范围内电力负荷安装位置及容量,从而能够有效提高电力系统经济效益及稳定性能。(本文来源于《电子技术与软件工程》期刊2019年15期）
靳现林,赵迎春,吴刚[3]（2019）在《考虑分布式光伏和电动汽车接入的配电网空间负荷预测方法》一文中研究指出针对大规模分布式光伏和电动汽车接入配电网对空间负荷预测影响的问题,提出一种考虑远景年屋顶分布式光伏饱和安装、大规模电动汽车参与V2G的城市配电网空间负荷预测方法。区分不同小区,依据相应的容积率和可利用率系数计算屋顶光伏饱和安装面积,结合历史辐射值数据计算光伏出力。基于改进型停车生成率模型预测停车需求,结合日行驶里程、停车特性和充放电策略,建立电动汽车V2G负荷预测模型,利用蒙特卡罗仿真得出V2G负荷时空分布情况。采用改进型负荷密度指标法,实现对考虑时序的配电网传统日负荷的预测。以某规划区为例,预测结果表明:屋顶分布式光伏和电动汽车V2G对配电网空间负荷预测结果影响较大,且对不同小区负荷影响的程度不同。(本文来源于《电力系统保护与控制》期刊2019年14期）
肖白,穆冠男,姜卓,施永刚,孙德强[4]（2019）在《计及城市发展程度的多阶段空间负荷预测方法》一文中研究指出针对现有空间负荷预测方法通常以单一水平年为目标,没有考虑城市规划的多阶段性对各阶段空间负荷预测模型的不同需求,以及待预测区域为新建小区或缺少历史负荷数据时预测方法失效的问题,提出一种计及城市发展程度的多阶段空间负荷预测方法。该方法以解决城市发展多阶段规划的负荷预测需求为目标,首先建立与城市发展各阶段相对应的电力地理信息系统。其次根据用地信息、业扩报装计划和有限的历史负荷数据等信息建立近期空间负荷预测模型。然后确定分类负荷密度饱和值。最后利用近期空间负荷预测结果、分类负荷密度饱和值和城市建设信息等构建计及城市发展程度的中、远期空间负荷预测模型,实现待预测区域的多个发展建设阶段的空间负荷预测。工程实例证明了该方法的实用性和有效性。(本文来源于《电网技术》期刊2019年07期）
张纪伟,刘晓明,贡卓,张峰,吴元香[5]（2019）在《基于城市用地性质及开发时间的改进空间负荷预测方法研究》一文中研究指出传统的空间负荷预测方法涉及数据量大、模型复杂度高、预测速度及精度难以保证。考虑城市用地性质及开发时间,提出了一种基于Logistic回归的改进空间负荷预测方法。该方法将负荷预测问题转换为网格化分区的参数训练和模型的整合预测两个问题,在预测模型中重新构建基于发展速度以及中位年份的参数训练方案,并通过改进Logistic函数的最大似然估计来降低负荷预测的复杂度。仿真结果验证,提出的改进空间负荷预测方法在简化计算复杂度和提升预测精度两方面都优于传统方法,能够有效应用于片区负荷预测。(本文来源于《供用电》期刊2019年07期）
张旭军[6]（2019）在《基于大数据技术的网格空间负荷预测方法研究》一文中研究指出“十二五”以来,我国已经逐步实行了配电网的网格化规划,网格负荷密度预测是精细化网格化规划的重要前提,精确的网格负荷预测可以提高投资效率、能源利用率、改善环境以及网格变电容量的优化配置。网格负荷的发展和很多因素相关,很多数据是规划部门所不能提供的,这就给网格负荷预测带来了困难。因此,开展大数据技术的网格空间负荷预测对配电网有着十分重要的意义。本文首先介绍了电力大数据的来源,采用数据挖掘技术以及网络爬虫技术得到了电力负荷相关的外部数据,再结合电力内部数据,通过对数据进行清洗、数据加工以及数据融合等技术构建了电力大数据集合,是后文开展工作的基础。其次分析了负荷释放特性以及释放特性的相关性影响因素。首先分析了负荷释放特性的相关系数的构成,提出了基于层次分析和聚类算法的负荷样本分类方法。根据聚类后的分类样本以及电力负荷历史数据,利用最小二乘拟合得到分类负荷释放特性的相关系数,为网格负荷密度修正奠定了基础。最后提出了一种基于粗糙集信息熵理论的负荷释放特性相关性分析方法,分析了负荷释放特性的相关性因素。最后考虑了网格负荷的释放特性,提出了一种基于开源信息的网格负荷预测方法。通过综合负荷预测法得到城市的总量预测负荷,根据网格负荷数量得到各网格的相对负荷密度,通过对相对负荷密度进行优化调整得到网格负荷密度,并根据负荷释放特性对网格负荷密度进行了修正。为配电网网格负荷预测提供了一种新的思路,对配电网建设提供了一定的理论参考价值和实际意义。(本文来源于《华中科技大学》期刊2019-05-14）
张婕[7]（2019）在《基于秩次集对分析理论的空间负荷预测方法研究》一文中研究指出空间负荷预测(Spatial Load Forecasting,SLF)是对供电区域内未来电力负荷大小和位置的预测,或者说是对待预测区域内电力负荷时空特性的预测。与总量负荷预测相比,SLF并不局限于负荷数值大小的预测,更注重于对供电区域内负荷分布情况的预测。SLF这种既包含未来负荷数值大小又涉及负荷发展位置信息的预测结果对于确定变电站布局规模、选择电力线路的输送路径及型号具有重要的指导意义。电力负荷特性分析是空间负荷预测研究的基础,本文从时间和空间两个角度对电力负荷特性展开分析,论述了电力负荷特性在空间负荷预测中的应用。同时介绍了不同划分标准下负荷的分类情况以及气候、人口、经济等因素对电力负荷发展变化的影响。另外,在空间负荷预测中引入了地理信息系统平台(Geographic Information System,GIS),并对基于MapInfo Professional 7.0的电力GIS构建过程进行了详细地阐述。由于电力负荷的变化受多种因素的影响,使得电力负荷的发展既有逐年增长确定性的一面,也有随机波动不确定性的一面,针对这种不确定性问题,本文综合考虑了影响总量电力负荷变化的诸多因素,通过相关性分析确定影响总量电力负荷变化的主要因素,运用可信度和盲数理论确定影响总量电力负荷变化的各主要因素目标年的取值,并利用集对分析理论在处理不确定问题上优势,将集对分析联系度概念与聚类分析基本思想相结合,提出了基于可信度与集对分析聚类理论的空间负荷预测方法;在基于可信度与集对分析聚类理论的空间负荷预测方法的基础上,针对现有的利用集对分析聚类理论进行空间负荷预测时,由于集合元素符号的量化及分类标准没有统一的要求,使得预测模型不够客观科学而导致空间负荷预测结果精度不高的问题,提出基于秩次集对分析理论的空间负荷预测方法,该方法通过对集合元素进行秩次变换避免了量化标准的选取,使得所建立的秩次集对分析预测模型更加科学合理,有效改善了预测精度;最后通过工程实例证明了两种预测方法的实用性和有效性,并且验证了基于秩次集对分析理论的空间负荷预测方法的预测精度更高。(本文来源于《东北电力大学》期刊2019-05-01）
郭艳飞,程林,李洪涛,饶强,刘满君[8]（2019）在《基于支持向量机和互联网信息修正的空间负荷预测方法》一文中研究指出为提高电网规划阶段的空间负荷预测精度,提出了一种基于支持向量机和互联网信息修正的空间负荷预测(spatialloadforecasting,SLF)方法,该方法分为3个步骤:一是基于k-均值聚类分析和支持向量回归模型得到地块负荷初始预测值;二是基于地块负荷历史数据计算负荷实际值与初始预测值之间的偏差;叁是针对这些偏差,利用搜索引擎获取互联网信息,识别造成偏差的不确定事件,包括元胞中新增大负荷事件和元胞中企业营收增长率突变事件。定性分析事件对空间负荷的影响,并建立这两类事件与其造成的影响之间的分类事件影响定量模型,基于该模型对地块负荷初始预测值进行修正,得到规划区域内的地块负荷预测值。通过对北京某地区进行算例验证,结果表明该方法可以提高预测精度,可用于配电网以及能源互联网规划中的空间负荷预测。(本文来源于《中国电力》期刊2019年04期）
王梦蔚,晏阳[9]（2019）在《空间负荷预测法的应用实例及要点分析》一文中研究指出负荷预测是配网规划的基础,负荷总量及其空间分布的合理确定,对于配电网的精细管理及资源的优化配置有着重要的意义。就工程中应用最为广泛的一种空间负荷预测方法,即负荷密度指标法进行了分析,给出了在对单一地块及整个规划片区进行负荷预测的实例,并对预测结果进行了证验。最后,分析了负荷密度指标法在电动汽车、分布式发电等逐步普及的新形势下,在负荷预测时需重点关注的要点。(本文来源于《电气自动化》期刊2019年02期）
李晨[10]（2019）在《考虑电动汽车并网的空间负荷预测研究》一文中研究指出电力负荷的空间分布是电网规划的基础,对电源点的设置、输电走廊的确定、输电线路以及相关设备的选型等方面有较高的参考意义。传统意义上的系统负荷预测是从地理宏观角度预测区域负荷大小,但无法得出电力负荷空间分布,由此基于电力负荷时空维度分布的空间负荷预测应运而生。用地仿真法和负荷密度指标法是两种常见的空间负荷预测方法,现有模型往往认为用地决策或者负荷密度是可以直接获取的,而从另一方面进行建模,随着电网规划要求越来越精准,依照城市土地规划数据和历史负荷密度指标等简化数据来预测负荷的空间分布已难以满足准确量化负荷的要求,同时在对信息的提取和处理方面现有模型仍需改进。现阶段,空间负荷预测出现新情境。在相关政策的引导下,电动汽车保有量逐年上升,作为一种在时空维度上具有很强随机性的电力负荷,随着电动汽车保有量的提升,充电负荷的冲击使空间负荷预测结果出现偏差,所以,有必要在空间负荷预测的基础上考虑电动汽车充电负荷的时空分布。在上述背景下本文将考虑电动汽车并网的空间负荷预测研究分为用地决策问题、负荷密度指标获取问题、EV充电负荷空间分布预测问题等叁个问题。在用地决策问题上,本文提出了一种改进元胞自动机算法对土地发展趋势进行仿真,在空间分区时同时考虑了小区(元胞)的地理属性和非空间属性,形成广义距离空间聚类法则。为量化区域之间发展的差异性,提出空间区域分簇发展速度概念。采用C5.0决策树算法处理元胞状态数据,得到元胞自动机的转换规则,形成改进CA模型;针对分类负荷密度的获取问题,本文采用改进主成分分析法的径向函数神经网络模型,通过改进算法,解决了现有算法不能完整体现影响因子之间非线性耦合以及参量自身变异率的问题,参数降维效果更加明显,利用径向基函数神经网络对历史数据进行训练,获得了影响因子和负荷密度之间的模型参数。面对不同元胞同类负荷密度不同的情况,文章提出负荷密度指标在各元胞之间的协调系数,量化了空间上负荷密度的差异;在电动汽车充电负荷的时空分布预测方面,为了体现了充电负荷在空间尺度上的分布,本文基于用地仿真结果,对各类用地的停车需求进行分析,形成停车生成率,进而分析了电动汽车行驶规律以及行驶过程中荷电状态的变化情况,对电动汽车日出发时间、结束时间、行驶里程等参数的概率分布进行拟合。利用蒙特卡罗模型模拟EV的驾驶、充电过程,得到充电负荷的时空分布。为避免充电负荷与元胞负荷的迭加时出现时间不一致的情况,本文提出同时率的获取方法。通过算例分析,预测结果可以达到较高的精度。(本文来源于《华北电力大学(北京)》期刊2019-03-01）
空间负荷预测论文开题报告
（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：
本文作者依据多年工作经验对空间负荷预测在某县城核心区负荷预测的应用研究分析,预测某范围内电力负荷安装位置及容量,从而能够有效提高电力系统经济效益及稳定性能。
（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。
空间负荷预测论文参考文献
[1].张纪伟,刘晓明,冯人海,贡卓,曹建梅.基于土地使用性质的饱和空间负荷预测研究[J].广东电力.2019
[2].杨乐.空间负荷预测在某县城核心区负荷预测的应用[J].电子技术与软件工程.2019
[3].靳现林,赵迎春,吴刚.考虑分布式光伏和电动汽车接入的配电网空间负荷预测方法[J].电力系统保护与控制.2019
[4].肖白,穆冠男,姜卓,施永刚,孙德强.计及城市发展程度的多阶段空间负荷预测方法[J].电网技术.2019
[5].张纪伟,刘晓明,贡卓,张峰,吴元香.基于城市用地性质及开发时间的改进空间负荷预测方法研究[J].供用电.2019
[6].张旭军.基于大数据技术的网格空间负荷预测方法研究[D].华中科技大学.2019
[7].张婕.基于秩次集对分析理论的空间负荷预测方法研究[D].东北电力大学.2019
[8].郭艳飞,程林,李洪涛,饶强,刘满君.基于支持向量机和互联网信息修正的空间负荷预测方法[J].中国电力.2019
[9].王梦蔚,晏阳.空间负荷预测法的应用实例及要点分析[J].电气自动化.2019
[10].李晨.考虑电动汽车并网的空间负荷预测研究[D].华北电力大学(北京).2019
论文知识图
