《电力规划课程设计正文》由会员分享,可在线阅读,更多相关《电力规划课程设计正文(17页珍藏版)》请在金锄头文库上搜索。
1、目录目录1电力规划课程设计21、负荷预测21.1负荷预测的原理及方法21.1.1 概述21.1.2 电力负荷预测的方法31.1.3、一元线性回归法51.2 负荷预测的过程81.3 程序编制81.4 负荷及电量预测91.4.1 选取分析模型91.4.2 运用曲线模型预测规划年的电量及负荷101.5结果分析121.5.1 校核预测结果122、电力平衡132.1电力平衡的概念及目的132.1.1、电力电量平衡的概念132.1.2、电力电量平衡的目的132.2 电力电量平衡步骤132.2.1、电力平衡步骤:142.2.2、分析该县电力系统的原始资料,计算系统的变电容量142.2.3、确定系统在规划年的
2、所需变电总容量和逐年新增容量。142.2.4、拟定该县在规划年2011-2015年逐年新增变电容量进度153、结论153.1设计结论153.2个人感受16电力规划课程设计1、负荷预测1.1负荷预测的原理及方法1.1.1 概述电力工业是国民经济的基础工业。随着我国产业结构完善和人民整体生活水平的改善,对电能的需求逐年加大,同时对电力质量的要求也越来越高,且由于电能生产和消费的同时性,对电网建设和布局提出了更高的要求。要满足国民经济的发展需要,电力工业必需先行,因此要做好电力工程建设的前期工作,电力系统规划设计正是电力工程前期工作的重要组成部分。电力系统规划设计应在国家 产业和能源政策指导下,在国
3、民经济综合平衡的基础上进行,首先应进行长期电力规划,经审议后在此基础上从电力系统整体出发进一步研究并提出电力系统具体的发展方案及电源和电网建设的主要技术原则。电力规划是一种电力工业发展计划,是为了实现“电力先行”,保障和促进国民经济发展的一项重要工作。电力工业的任务是国民经济各个领域和人民生活等各个方面提供充足、可靠、合格、廉价的电能。正确、合理的电力系统规划设计实施后可以最大限度的节约国家基建投资,促进国民经济其它行业的健康发展,提高其他行业的经济和社会效益,因而其重要性不可低估。电力负荷预测是电网规划建设的依据和基础。随着电力工业在国民经济中扮演着越来越重要的角色,电力负荷的正确预测显得尤
4、为重要。电力负荷预测是指通过对电力系统负荷历史数据的分析和研究,运用统计学、数学、计算机、工程技术及经验分析等定性定量的方法,探索事物之间的内在联系和发展变化规律,对未来的负荷发展做出预先估计和推测。电力负荷预测结果的准确与否直接关系到电力投资的效益,供电的可靠性,用电需求的正常发展,以及社会的经济效益和社会效益。但要做到预测准确或较准确是很困难的,因为影响电力负荷预测的因素相当多,且由于各地区产业结构和人民生活水平不同,各具体因素对电力负荷预测的敏感度是不一样的,因而电力负荷预测具模糊性。1.1.2 电力负荷预测的方法电力负荷预测包括最大负荷功率、负荷电量及负荷曲线的预测。负荷预测对于确定电
5、力系统发电设备及输变电设备的容量是非常重要的。对电力负荷不仅要分析电力负荷本身的发展情况,结构情况,国民经济发展情况,还要采用多种预测方法加以分析确定。(1)单耗法:根据预测期产品的产量或产值以及该产品的用电单耗预测用电量电量 工业行业的总电量 (2) 电力弹性系数法:电力弹性系数是指用电量的年平均增长率与国民生产总值年平均增长率的比值,即: 当缺乏国民生产总值年平均增长率的数据时,一般就用工农业总产值的年平均增长率来代表。 电力弹性系数是一个宏观指标,可用作远期规划粗线条的负荷预测。有了弹性系数及国民生产总值的年平均指长率,就可以计算规划年份所需用的电量,即(3)回归分析法负荷与政治、经济、
6、人口、生活水平、气温等有关,无法用解析式表示相关关系,只有通过对大量数据观察、处理,找到其中的关系。回归分析法:通过观察数据的统计、分析和处理,寻找负荷与影响因素之间的因果关系,简历回归模型,进行预测的方法。1)分类:1. 按先关因素的多少分为一元线性回归和多元线性回归2. 按回归模型分线性回归模型和非线性回归模型3. 按预测对象的多少分单因回归和多因变量回归2)回归分析的步骤:1. 分析所获得的统计数据,确定一个特定的变量之间的数学关系,确定回归模型2. 对回归模型的参数进行估计,统计检验,分析因素的影响。对预测对象的影响程度,确定预测模型。3. 根据预测模型和自变量的未来值,确定预测对象的
7、未来值,并分析预测结果的误差范围及精度。 (4)时间序列法 这种方法是根据历史资料,总结出电力负荷发展水平或负荷的年增长率和负荷的多年平均增长率与时间先后顺序的关系。即把时间序列作为一个随机变量序列,用概率统计的方法,尽可能减少偶然因素的影响,作出电力负荷随时间序列反映出来的发展方向和趋势,并进行外推,以预测未来负荷的发展水平。简单平均法、加权平均法等都属于时间序列法。时间序列法一般用于中长期电力负荷预测中,有其是常用负荷的多年平均增长率来预测中长期的负荷增长水平。 (5)商业用电预测法归纳起来主要有两种方法:1. 直接外推法。即将商业用电的历史数据,拟合出商业总用电量增长曲线,外推到所需预测
8、的时刻,得到商业总用电量预测值。2. 比例法。即根据统计数据找出商业用户与居民生活用电之间的比例关系,外推这个比例关系,乘以居民用电量求得。(6)居民生活用电预测方法 城镇居民生活用电与人均收入情况、家庭人口多少及居民住房条件有关。一般按一下两种方法预测。1. 综合用电水平法。按照居民人数及每人平均耗电量得到居民总用电量。2. 负荷密度法。根据对不同城市的调查,参照城市发展规划、人口规划、居民收入水平增长情况等,用没平方公里面积用电量。来测算城镇负荷水平。(7)农业用电预测方法可按每亩地的平均用电量来测算,例如排灌、农、牧、林、渔业的生产用电和农村照明等。按照有关文件规定,乡镇企业和农村个体工
9、业户中,凡符合工业生产条件的,应列入有关的工业行业,不列入农业;不够工业生产条件的,应列入农业用电。1.1.3、一元线性回归法(1)一元线性回归模型 在一元线性回归中,自变量x是可控制或是可以精确观察的变量,因变量Y是依赖于x的随机变量。假设x与Y的关系为:y= a+bxx与Y的这种关系称为一元线性回归模型。(2)模型未知参数的估计(a,b)假设已知变量x和y的n对历史数据,即样本(xi,yi),满足:yi=a +b xi采用最小二乘法估计a, b。首先按下式作离差平方和: 选取适当的参数a, b,似的Q(a, b)达到最小。利用高等数学中的求极值的方法,求解: 得到上式中的(3)模型检验在研
10、究变量x与变量y的相关关系时,定义它们的相关系数(样本相关系数)为:可以用相关系数来描述Y与x之间线性相关的近似程度,。 当时, x对Y的影响变小,线性关系减弱。特别的,当时,称Y与x不相关; 当时, x对Y的影响也加大,线性关系程度加强。特别的,当时,称Y 与x完全相关; 当时,Y随x增加而增加,称Y与x正相关; 当时,Y随x减小而减小,称Y与x负相关。1.1.4、其他回归法(1)、双曲线双曲线函数的标准方程为:作变量代换 x=1/x,y=1/y 这样双曲线方程就变为直线方程:y=a+bx利用观测值(xi,yi),按xi=1/xi,yi=1/yi可以计算出(xi,yi) (i=1,2,n).
11、因此对于x和y就可以利用上文所介绍的方法计算出参数估计值a, b,接着就可以按下式进行预测。模型有效性检验,如同一元线性回归分析一样。 (2)、幂函数曲线幂函数曲线的标准方程是:先将函数表达式两端取自然对数得到:再作变换,令x=1nx, y=lny,并记A=1na,则幂函数曲线方程就变为直线方程 利用观测值(xi,yi)可以计算出(xi,yi) (i=1,2,n).对于x和y就可以利用上文所介绍的方法计算出参数估计值A, b,又有a=eA,因此可以得到:模型有效性检验,如同一元线性回归分析一样。(3)、指数曲线倒指数曲线函数的标准方程是:先将函数表达式两端取自然对数得到:再作变换,令x= x,
12、y=lny, 并记A=lna,则倒指数函数曲线方程就变为直线方程利用观测值(xi,yi)可以计算出(xi,yi) (i=1,2,n).对于x和y就可以利用上文所介绍的方法计算出参数估计值A, b,又有a=eA,因此可以得到:模型有效性检验,如同一元线性回归分析一样。1.2 负荷预测的过程电力负荷预测工作的关键在于收集大量的历史数据,建立科学有效的预测数据模型,采用有效的算法,以历史数据为基础,进行大量实验性研究,总结经验,不断修正模型和算法,以真正反映负荷变化规律。其基本过程如下:(1)调查和选择历史负荷数据资料(2)历史资料整理(3)负荷数据预处理(4)建立负荷预测模型1.3 程序编制 利用
13、Excel电子表格里面的库函数进行链接、编写函数,根据历史数据对该县规划年20112015的电量负荷进行预测 (1)利用函数库里面INTERCEPT、SLOPE、CORREL、LN等这些函数进行求解 (2)选择多个函数模型(一元线性函数,双曲线,幂函数曲线,倒指数曲线)与历史年的数据进行拟合 (3)把非线性模型转换为线性回归模型y=a+bx,求出截距a、斜率b、相关系数 (4)对多个模型的相关系数进行比较,选择相关系数|最接近1的模型对规划年的电量、负荷进行预测 (5)用最大利用小时数和电力弹性系数对预测结果进行校核 1.4 负荷及电量预测1.4.1 选取分析模型选择多个函数模型(线性函数、双
14、曲线函数、幂函数、指数函数)对负荷和电量进行预测。根据相关系数|大小【即电量(y1)或负荷(y2)与年份(x)之间的相关性强弱情况】, 当相关系数|趋近于0时, x对Y的影响变小,线性关系减弱。特别的,当相关系数|=0时,称Y与x不相关; 当相关系数|趋近于1时, x对Y的影响也加大,线性关系程度加强。特别的,当相关系数|=1时,称Y 与x完全相关; 当相关系数大于0时,Y随x增加而增加,称Y与x正相关; 当相关系数小于0时,Y随x减小而减小,称Y与x负相关。在进行电量、负荷预测时,要选取相关系数|最接近1的模型进行预测。给出的历史负荷中包括务川县镇南水泥厂及镇南无水氢氟酸厂。而这两者是大用户,大用户的用电量和负荷没有定性的变化规律,随机性很大。所以,进行负荷预测,只能对系统中的除大用户负荷进行预测,这样就必须先扣除务川县镇南水泥厂及镇南无水氢氟酸厂这两个大用户的电量和负荷,就可以得到除大用户负荷,历史年当中的总负荷、大用户负荷及除大用户负荷的电量、负荷分布情况如下表所示。表一: 历史各年负荷情况表项目200520062007200820092010电量(亿kWh)0.540.710.770.991.221.39负荷(MW)16.321.9623.529.532.1536.17大用户电量(亿kWh