导读:本文包含了典型负荷曲线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,曲线,典型,算法,自适应,特性,模糊。
典型负荷曲线论文文献综述
李勤超,周立中,赵艳龙,万东,余畅[1]（2019）在《基于分布式光伏典型日曲线的统调负荷预测方法》一文中研究指出电力负荷预测是电力系统的一项重要工作,分布式光伏电源大规模接入电网后极大地增加了电网负荷预测的难度。在分布式光伏电源出力数据采集汇总困难的情况下,采用选取2个特定日的统调负荷曲线相减得到差值曲线并对其进行修正的方法,近似模拟出分布式光伏电源典型日曲线。实践证明,利用分布式光伏电源典型日曲线辅助电网统调负荷预测,能够有效提高统调负荷预测的准确率。(本文来源于《浙江电力》期刊2019年06期）
夏楠[2]（2019）在《“典型24小时负荷曲线”概念的提出及应用》一文中研究指出城市燃气系统24小时负荷分布对于燃气管网、储气调峰系统设计至关重要,目前一般选取一些燃气设计手册上给出的几大城市的24小时负荷数据,这些小时用气规律数据陈旧、且已不适用。本文依据负荷特性的"周期性"和"随机性",利用数学和数理统计基本原理,提出了"典型24小时负荷曲线"。基于历史数据可以得出能够代表城市燃气系统小时用气规律的"典型24小时负荷分布",对于改扩建、新建的城镇燃气系统的设计具有重要意义。(本文来源于《科学技术创新》期刊2019年10期）
王潇笛,刘俊勇,刘友波,许立雄,马铁丰[3]（2019）在《采用自适应分段聚合近似的典型负荷曲线形态聚类算法》一文中研究指出对海量负荷数据进行降维聚类处理是提取负荷关键信息,深度挖掘其内在规律的前提。根据负荷曲线的形态特征,文中提出了一种基于可变时间分辨率自适应分段聚合近似方法的曲线形态聚类算法。首先,根据负荷爬坡事件及基于斜率提取的边缘点来衡量负荷曲线的形态特征及其变化趋势,采用自适应分段聚合近似算法对用户日负荷数据集进行可变时间分辨率重构,进一步采用一种基于负荷曲线形态聚类的k-shape算法进行聚类处理,该聚类算法以一种基于曲线形态相似性的距离量度方式作为相似性判据,并依据斯坦纳树优化方法进行聚类中心计算。利用模拟数据、实测数据算例分析验证了所提算法在数据降维、负荷聚类中的实用性和有效性。(本文来源于《电力系统自动化》期刊2019年01期）
徐邦恩,蔺红[4]（2019）在《基于改进模糊聚类的典型日负荷曲线选取方法》一文中研究指出典型日负荷曲线对负荷调度计划以及运行控制有着重要意义,针对常用的传统典型日负荷曲线选取方法不满足目前电力市场需求的问题,提出了基于自适应因子与概率统计法相结合的改进模糊聚类算法典型日负荷曲线选取新方法,应用日负荷率、日负荷波动率等描述性特征指标,确定最优聚类数;引入模糊-离散系数,辨识样本数据中的畸变日,并予以剔除;计算日负荷与月平均负荷之间的相关系数,依据相关系数选取典型日负荷曲线。以新疆电网2015年1月份负荷数据进行实例仿真,结果表明所提方法能够准确选出典型日负荷曲线,验证了方法的可行性和有效性。(本文来源于《电测与仪表》期刊2019年04期）
修晓青,唐巍,马健[5]（2018）在《用于储能容量配置的典型负荷曲线提取方法》一文中研究指出针对用户侧储能容量规划问题,分析用户侧典型负荷曲线提取方法的差异对储能容量配置结果的影响,考虑储能减少用户电量电费支出、降低配电站容量需求、延缓设备改造与扩容、节省耗煤量、减少污染物排放等直接、间接效益和储能全寿命周期成本的基础上,建立储能容量优化规划数学模型,并采用遍历算法结合非线性优化进行求解。以年负荷数据配置储能容量为基准,对比分析不同典型负荷曲线下储能容量配置的差异。结果表明:系统收益构成、电力市场政策、储能激励机制、负荷曲线特性等因素影响典型负荷曲线的选取,文中算例条件,以月度最大日负荷作为典型负荷曲线配置储能容量与实际结果具有较大的一致性。(本文来源于《太阳能学报》期刊2018年08期）
李萌,程浩忠,杨宗麟,韩新阳,杨镜非[6]（2015）在《采用分形插值的典型日负荷曲线改进预测方法》一文中研究指出提出了一种结合粒子群算法的改进分形预测方法。针对各年典型日负荷曲线形态相近且具有上移趋势的特点,采用调整向量来描述该趋势,在生成迭代函数系吸引子的过程中利用粒子群算法对调整向量进行优化。针对传统分形预测中迭代初始点经验性选取的问题,提出了利用"时序平移"的思想来计算迭代初始点的方法。结合调整向量优化和时序平移思想,建立改进的分形预测模型。最后,通过实例计算说明了该方法的有效性。(本文来源于《电力系统及其自动化学报》期刊2015年03期）
张子奇,郭彬,潘月,王维超,姚新波[7]（2014）在《陕西省典型行业日负荷曲线拟合方法》一文中研究指出研究行业的负荷曲线对于了解各行业的负荷特性有很大帮助,目前的研究多应用模糊C均值聚类法拟合行业日负荷曲线,然而该方法对于专业知识要求高,计算量大,实际应用难度大。首先采用随机抽样与非随机抽样相结合的方式抽取典型用户,然后从统计学原理出发,依据样本到总体的思路,计算各行业的扩大系数,进而进行行业的负荷曲线拟合,并采用负控系统采集的大量实际用户日负荷曲线进行应用检验。实际应用表明,本文所提出的行业负荷曲线拟合方法能很好地描述实际情况,且应用简便。(本文来源于《陕西电力》期刊2014年05期）
李翔,顾洁[8]（2013）在《运用聚类算法预测地区电网典型日负荷曲线》一文中研究指出日负荷曲线预测是制定日调度计划等工作的基础,典型日负荷曲线的预测对电网规划设计具有重要的参考价值,其预测的准确性直接影响到电网建设和运行的经济效益。通过对历史数据的预处理、初始聚类中心的设置以及最优聚类数目的确定,建立典型日负荷曲线的聚类预测模型。基于历史数据的聚类结果以及待预测日的温度、降水量、湿度等相关参数,得出典型日负荷曲线预测结果。将该模型应用于上海电网典型日负荷曲线预测,显示聚类算法能够全面地考虑相关的因素,得到较为准确的预测结果。(本文来源于《电力与能源》期刊2013年01期）
孟令奎,段红伟,黄长青,孙琤[9]（2013）在《一种基于语义聚类的典型日负荷曲线选取方法》一文中研究指出将典型日负荷曲线的选取问题转化为基于统计学习的多元分类问题,利用概率潜在语义分析模型(PLSA)进行问题求解。方法首先通过K均值聚类和负荷曲线时段划分形成观测特征词和目标文档,通过阈值计算获得特征词-目标共生矩阵;然后基于Davies-Bouldin指标计算PLSA模型的最佳主题数目,并对模型参数求解获得每个目标文档中特征词的潜在主题;最后依据电力负荷曲线与特征词的对应关系形成新的聚类,并采用选取策略获得各聚类的典型日。实验表明,方法能够较好的反映节假日、气候等因素的影响,典型日选取合理可行。(本文来源于《华北电力大学学报(自然科学版)》期刊2013年01期）
盛望群[10]（2012）在《基于典型负荷曲线和寿命损失计算的牵引变压器容量优化》一文中研究指出随着我国电气化铁路的发展,列车牵引质量日益增大、列车追踪缩短导致牵引负荷发生变化,牵引变压器往往在远未达到运行寿命前就需要更换。本文,笔者应用数理统计的方法,通过实测手段得出各种典型负荷曲线,根据不同接线形式的牵引变压器温升计算模型,采用牵引供电系统仿真结果计算牵引变压器温升及评估寿命损失,为既有电气化铁路扩能改造、牵引变电所改造、牵引变压器容量优化等提供依据。一、牵引变压器典型负荷曲线分析1.根据两供电臂空载概率的大小,确定重、轻供电臂。(本文来源于《河南科技》期刊2012年10期）
典型负荷曲线论文开题报告
（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：
城市燃气系统24小时负荷分布对于燃气管网、储气调峰系统设计至关重要,目前一般选取一些燃气设计手册上给出的几大城市的24小时负荷数据,这些小时用气规律数据陈旧、且已不适用。本文依据负荷特性的"周期性"和"随机性",利用数学和数理统计基本原理,提出了"典型24小时负荷曲线"。基于历史数据可以得出能够代表城市燃气系统小时用气规律的"典型24小时负荷分布",对于改扩建、新建的城镇燃气系统的设计具有重要意义。
（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。
典型负荷曲线论文参考文献
[1].李勤超,周立中,赵艳龙,万东,余畅.基于分布式光伏典型日曲线的统调负荷预测方法[J].浙江电力.2019
[2].夏楠.“典型24小时负荷曲线”概念的提出及应用[J].科学技术创新.2019
[3].王潇笛,刘俊勇,刘友波,许立雄,马铁丰.采用自适应分段聚合近似的典型负荷曲线形态聚类算法[J].电力系统自动化.2019
[4].徐邦恩,蔺红.基于改进模糊聚类的典型日负荷曲线选取方法[J].电测与仪表.2019
[5].修晓青,唐巍,马健.用于储能容量配置的典型负荷曲线提取方法[J].太阳能学报.2018
[6].李萌,程浩忠,杨宗麟,韩新阳,杨镜非.采用分形插值的典型日负荷曲线改进预测方法[J].电力系统及其自动化学报.2015
[7].张子奇,郭彬,潘月,王维超,姚新波.陕西省典型行业日负荷曲线拟合方法[J].陕西电力.2014
[8].李翔,顾洁.运用聚类算法预测地区电网典型日负荷曲线[J].电力与能源.2013
[9].孟令奎,段红伟,黄长青,孙琤.一种基于语义聚类的典型日负荷曲线选取方法[J].华北电力大学学报(自然科学版).2013
[10].盛望群.基于典型负荷曲线和寿命损失计算的牵引变压器容量优化[J].河南科技.2012
论文知识图
