某地区购电成本的经济性研究毕业论文(编辑修改稿)

某地区购电成本的经济性研究毕业论文(编辑修改稿)内容摘要：

政策、指标，从而对未来的负荷进行估计。 电力市场 下购电优化的意义 传统的电力市场交换，是统一调度的，电力不属于商品的范畴，电力交换是根据指令和指标统一进行，没有等价交换，不容许商量，由电网的调度部门统一发出指令和执行。 电力市场化是我国电力体制改革的成果，电网公司和发电企业作为市场的成员，有明显的买方和卖方的关系，电网作为购电商和电力调度、分配的供应商，有责任 3 对电网的稳定性进行保证，以及用户电力需求的满足，所以电力调度有着至关重要的地位，不仅是电网稳定、安全的中心，而且是电能的交易的中心。 而发电企业和电网都希望自身利益能达到最大化，这就需要有购电优化的研 究，保证企业的可持续发展。 因此，电力企业的商业化运行应运而生，研究电网的购电优化策略也是需要解决的首要问题。 根据市场经济的客观要求，电网的上网电价越低越好。 合理的购电方案能实现企业利益的最大化，竞价上网能让各发电企业不断降低成本，降低维护和运行，能使技术更优更稳定，调动企业和电力市场各个参与者的积极性，促进企业的发展。 供电局在购电时所需要考虑的就是经济安全的购电模型。 合理的购电模型可以有效的提高供电企业的购电成本，实现企业利润的最大化可以使用竞价的机制，还可以降低上网电价。 同时发电企业为了能竞价上网，会 不断改进削减自己的成本，研究更节省能源的运行方式，降低运行与维修费用，从而提高整个社会的经济效益和社会效益。 负荷预测 与 购电优化 负荷预测的方案选择 负荷预测的方法有非常多种，每种负荷预测方法都有各自适用的条件，有的通过研究随机序列的统计规律进行分析，例如时间序列分析法；有的可以根据历史数据的变化寻找规律，寻找自变量和因变量的关系，确定构建的数学模型的参数，从而构建一个数学模型进行预测，例如回归预测；有的有庞大的经验方法知识进行指导，例如专家系统法；有的模仿生物的神经元，采用适当的算法， 进行构建数学模型，具有非常强的非线性预测能力，例如神经网络负荷预测等；等等非常多可以用于负荷预测的方法，针对不同的适用条件都可以发挥很大的用处。 本文选用回归预测法和神经网络法进行预测，负荷预测的各种方法预测可以让负荷预测的结果更加可靠，并且可以检验某一种负荷预测是否出现较大的误差。 回归预测法可以构建实现多输入单输出的数学模型，本文所掌握的资料信息较多，用 4 回归预测是一个很好地选择；人工神经网络具有极强的非线性映射能力和完美的逼近历史数据的能力，所以是一种十分理想的负荷预测方法，本文尝试使用人工神经网络进行预 测。 购电优化的方案选择 购电优化的主要方法是建立相关的数学模型。 模型中包括电价、线损、各电厂分配比例等，构造出购电成本优化的数学模型要综合地考虑电价和这些线损之间的影响，要求电价低的且线损小的多供电，而电价高且线损大的少供电，即获得最好的经济效益。 于是，在构造优化购电成本的目标函数时，应把这两部分都综合进行考虑，二者缺一不可。 购电优化的最终目标是购电成本最小，所以需要在现实的条件下考虑约束条件，约束条件比如变压器容量约束、发电站供电约束、线路限流约束和供求平衡约束。 这是典型的线性规划 问题，所以采用线性规划法能很好的解决这个问题，本文采用线性规划法来进行购电成本的优化。 本文研究的主要任务 本文的主要任务是根据某地区的情况建立负荷预测模型及购电模式。 负荷预测模型 本文主要是针对某地区的负荷预测，由于每个国家地区不同时期的实际经济发展状况、经济发展政策都不同，所以不可能有能针对所有国家地区都适用的负荷预测模型，所以需要针对某地区单独进行负荷数据的分析和进行负荷预测。 由于近几年某地区的产业结构不断优化， GDP 增长十分迅速，根据历史的数据和对未来的指标，建立起适合某地区的 负荷模型，提高预测的精度。 本文负荷预测研究的任务是： （ 1） 通过对某地区经济发展情况及负荷变化的情况分析，分析多元线性回归的优势运用多元线性回归的理论，得出多元线性回归模型，进行负荷预测。 5 （ 2） 由于一种负荷预测有的时候会出现较大的误差，所以需要有第二种负荷预测进行横向的对比，才能保证准确度，所以决定使用神经网络来进行第二种的负荷预测。 通过研究神经网络的理论，根据负荷数据选择 Elman 神经网络，并且进行训练和预测。 购电模式 针对某地区的具体情况，本文拟建立一个适用于某地区的购电模型。 由于某地区小水火电资源丰 富，这些小水火电不具备有进入省网竞价上网的能力，所以都是被地区的电业局收购，一般地区购电分为两部分：一部分是从省网直接购电，一部分是从地方小水火电购电。 前者一般是不可改变的，但是后者可以通过一定的购电策略来进行优化，本文的目的就是以某地区的实际数据和电站地理分布情况造成的损耗进行研究，使这部分的购电成本得到优化。 可以实现经济效益的提升。 本文购电模式的研究任务是： （ 1） 分析某地区的地理接线图，得到功率传输模型。 （ 2） 运用线性规划法对某地区已有的小水火电数据和线路约束条件进行建立购电优化的模型。 6 ^ 0 1 1 2 2 i++i i m m iiy b b x b x x     … b2 多元线性回归在 电力 负荷预 测中的应用 多元线性回归的原理 在数据分析中，自变量和因变量都是存在一定的关系的，这种关系可以是确定的函数关系或者是不确定的相关关系。 当预测对象 y 受到多个因数 a， X2， … ， Xm 影响时，如果各个影响因素 Xj（ j=1,2， … ， m）与 y 的相关关系近似为线性的关系，就可以采取线性回归的方式进行数据拟合。 假定因变量 y 与自变量 Xj（ j=1,2， … ， m） 之间的关系可以表示为 式中 b0、 bj（ j=1,2， … ， m） ——回归模型系数 εi——除自变量 xj（ j=1,2， … ， m）以外对结果产生影响的随机误差。 该结论基于如下的假设：随机误差 εi的期望值为零， E(εiεj） =0（ i， j=1,2， … ，n， i≠j） 当满足假设时，就称（ ）为多元线性回归预测模型，这时可写成： 多元线性回归主要反映了如何使用输入的数据分析输出的数据，建立输入变量的样本和输出变量的线性函数关系的模型，建立模型后可以进行分析和预测。 为了表述和分析简便 ，对多元线性回归模型需要利用矩阵表示和运算，在实际工作中，使用 SAS、 SPSS、和 EViews 等专业软件求解多元线性回归模型十分方便。 （ ） ^ 0 1 1 2 2 +i i m m iiy b b x b x x    … b （ ） 7 电力负荷预测多元线性回归模型的建立 某地区经济发展现状和未来经济发展规划 某地区是一个经济迅猛发展的商业城市 ,2020 年以后，某地区经济继续迅猛发展， 20 20 2020 年 GDP 每年分别增长 %、 %、 %， 2020 年达 亿元。 该地区产业结构不断优化，第一产业比重不断下降，第二产业比重由快速上升转为逐步趋缓，第三产业逐 步成为国民经济的重大产业。 进入 “十五 ”后，某地区生产总值中的第一产业比重继续呈逐年下降态势，第二产业比重变化不大，第三产业则呈稳步上升趋势。 随着经济的快速增长，某地区的用电量也在大幅度的提高。 据统计，某地区全社会用电量由 1999 年的 亿千瓦时增长到 2020 年的 亿千瓦时，年均增长速度为 %。 年最高负荷由 1999 年的 增长到 2020 年的，年均增长速度为 %。 网供售电量由 1999 年的 亿千瓦时增长到 2020 年的 亿千瓦时，年 均增长速度达 %，高于全社会用电量增速%。 网供售电量占全社会用电量的比重由 1999 年的 %增长止升到 2020 年的 %。 目前，该地区最高负荷已突破 3500MW 大关，这一负荷水平已比去年全年最高值 3373MW 高出 167MW ，比去年增长 ％，同日该地区供电量达 7457万千瓦时，比去年增长 ％，创下历史新高。 目前，该地区电网安全稳定运行，电力供应尚能保持正常，但该区主要变电站已处于满负荷运行。 以下是某地区的负荷数据和经济数据。 8 表 21 某地区最高负 荷 年份 实际最高负荷数据（万千瓦） 1991 1992 1993 1994 1995 1996 1997 1998 1999 2020 2020 2020 2020 9 表 22 某地区 19912020 年社会经济主要指标 表 24 和表 25 为某地区 2020 到 2020 的未来发展规划目标和经济指标： 表 24 2020 年某地区国民经济和社会发展规划主要目标 注 b：增长率按可比价计算，其它项目均为当年价，总人口为年末全市常住人口 \ 年份 GDP （亿元） 第一产业 （亿元） 第二产业 （亿元） 第三产业 （亿元） 年末总 人 （万人） 1991 1992 1993 1994 1995 1996 1997 1998 1999 2020 2020 2020 2020 主要指标 2020 年 2020 年 2020 年 GDP 增长速度 % 13 三次产业结构比重（ %） ； ； ； ； 41 ； ； 年末总人口（万人） 756 760 804 10 表 25 某地区 20202020 年的主要经济 指标 多元线性回归 的 模型建立 上文提到，实际工程应用中使用专业软件求解多元线性 回归模型十分方便，本文拟采用 SPSS 软件进行多元线性回归模型的建模。 SPSS 是一款专业的统计分析软件，它可以进行多种多样的统计分析，还可以通过自带的功能强大的绘图软件进行数据结果的绘制。 本文采用 SPSS 的多元线性回归分析功能作为负荷预测的函数拟合和分析。 在 SPSS 软件中，菜单中选择分析 ——回归 ——线性可以进行多元线性回归分析，本文即采用 SPSS 的这个功能进行多元线性回归建模。 首先将数据导入 SPSS 中，因变量选择最高负荷，自变量选择年份、 GDP、第一产业、第二产业、第三产业、年末总人口。 需要注意的是，做 线性回归时中有一个步骤是回归变量的选择，默认为进入法。 解释如下：进入法：你输入什么自变量，回归模型中就有什么自变量；其余四种方法：你输入什么自变量，它们只是 “候选 ”性质的，软件在分析过程中会根据这些自变量在回归模型中系数的显著性情况，自动决定到底是保留还是剔除个别变量。 结果是，如果你输入的所有变量的系数都显著，则全部都保留，跟进入法得到的自变量数目一致；如果你输入的某些变量系数不显著，最终回归模型可能会不再包括该变量。 因为研究的是最高负荷和所有输入的变量的线性关系，所以，所以选择进入模式。 年份 GDP （亿元） 第一产业 （亿元） 第二产业 （亿元） 第三产业 （亿元） 年末总人 （万人） 2020 2020 1844 2020 2110 2020 2407 11 在设置多元线性 回归时添加共线性诊断一项。 选择预测值 ——未标准化，残差——未标准化，在此说明一下，标准化的意思是生成的多元线性回归模型中不包含常数项，而我们需要的模型中是包含常数项的，所以选择未标准化。 残差的意思就是预测值与实际值的差值占实际值的百分比。 所有设置完毕之后，点击确定， SPSS 软件会生成统计结果。 多元线性回归建模的结果分析与电力负荷预测 多元线性回归建模的结果分析 使用 SPSS 线性建模以后，得出报告，现在开始分析这份报告。 图 输入 /移去的变量 图 已排除的变量 首先根据图 ，输入的变量为：年末总人口、第一产业、第二产业、第三产业、年份。 方法为之前选定的输入。 因变量为最高负荷 底下的提示已达到容差 = 限制，以及图 中 GDP 的共线性统计量，容差为 *107，已经超过了可以接受的最小容差。 表示输入数据中有出现共线性的状态， GDP 被排除在输入的变量中，可以知道 GDP 和其中一个输入变量有多重共线性的问题。 12 这里需要解释一下多重共线性的概 :多重共线性是多元线性回归中输入变量的存在高度相关关系，有可能会造成结果严重失真，不符合所要求的建立的模型，从而建模失败。 多重共线性的解决方法有： 1）排除引起共线性的变量。 2）差分法，将原模型变成差分模型。 3）减小参数估计的误差：例如岭回归法。 由于出现了多重共线性所以分析数据中采用了第一种方法解决，将 GDP 排除在外。 图 模型汇总 继续分析报告，模型汇总中， R=， R2=，调整 R2=，标准估计的误差 =。 根据该表可以进行拟合优度的检验。 参考调整 R2，其拟合度较高，说明最高负荷的 %由年末总人口、年份、第一产业、第二产业、第三产。