无忧MBA论文网MBA论文 > MBA毕业论文 > 投资分析 > 正文

楼盘电力负荷需求预测与配套电网项目投资决策模型优化研

时间:2023-07-06 来源:www.www.jbevzenko.com作者:vicky

本文是一篇投资分析论文,笔者构建出一种专门针对楼盘用户业扩报装的负荷需求预测体系。用户的入住行为是决定此类负荷的重要因素,本文首先从政府地域性相关规划入手,找到环境发展因素和用户入住的关联,再构建出用户的入住行为与电网用电负荷的关系模型,进而进行负荷预测。
第1章绪论
1.1研究背景、目的及意义
1.1.1研究背景
(1)宏观背景
截至2019年底,南昌地区总供电面积5086km2,供电用户数274万户,供电总人口568.99万,2019年南昌供电区全社会用电量249.09亿kWh,售电量237.64亿kWh,2019年全社会最大负荷2966MW,统调最大负荷2816MW(7月28日),供电可靠率99.92%,综合电压合格率99.9%,110kV综合线损率为4.51%,一户一表率100%,户均配变容量3.331kVA。南昌供电分公司下辖8个县区级公司:南昌县、新建区、安义县、湾里区、进贤县、青山湖区、红谷滩分公司、昌北分公司。如何提高供电质量,提升网架标准化建设水平;按照什么思路去建设电网,都是现今工作中的重点难点问题。
这里就需要本文进行强有效的电网规划。而配电网网格化规划是近几年广泛运用于电网规划的一种方法。通过电网规划,强化中压配电网网架结构,优化接线方式,优化线路平均负载率,增强负荷转供能力,充分考虑配网现状、市政建设、区块发展等因素,选取以居住、商业、医疗和行政为基本功能的区块作为城市配网网架结构提升典型示范区,推进网格化目标网架规划与建设,为其他区域提供有益借鉴。
电网需求预测作为电网规划一个重要的环节,是电网规划开展的基础。电网投资决策的精准与否是建立在准确的电网需求预测之上的。但现阶段电网需求预测存在很多问题。特别针对楼盘大用户这一类别,现今的电网需求预测有他的局限性。例如:而在供电企业的日常工作中,业扩报装①作为很重要的一环,它与用户息息相关。他就需要本文对楼盘大用户的负荷需求预测精细化,但是现在目前采用的需求预测手段如法等均没法满足要求,这就急需本文对负荷需求预测模型进行优化。
.........................
1.2国内外研究现状
本篇文章主要研究了一种针对居民配变等具有发展特性的负荷的预测模型,并利用此预测模型,进行了投资估算的最优解计算,给出了相应的规划投资建议。对此,相关文献的研究主要集中在以下两个方面:配电网用户负荷特性分析及需求预测领域;电网投资估算的最优策略的领域。本章节将在配电网用户负荷特性分析及预测模型的优化领域、电网历年的投资估算的最优策略的领域研究现状分别对国内国外研究现状进行展开。
1.2.1配电网用户负荷特性分析及需求预测领域研究现状
(1)国内配电网大用户负荷特性分析及预测领域研究现状
配电网用户负荷特性分析及预测领域,一般出现在供电公司大用户接入、制定业扩供电方案过程中。本文需要对大用户的负荷进行测算,进而给出一个最优的供电方案。在供电公司在制定业扩供电方案中,一般只考虑用户最大负荷,导致用户业扩方案精准化不够的问题。
首先,本文对配电网用户负荷进行分类和负荷特性现有的方法进行调查研究,分析每种方法的优劣。为本文方法的选定打下基础。汤易等(2017)对当前配电网用户负荷进行分类和负荷特性分析,通过聚类分析法制定不同的发展阶段对应的系数,对配网线路装接负荷同时率进行测算,最后得出结果[1]。其研究归纳思路如下:

投资分析论文怎么写
投资分析论文怎么写

.............................
第2章相关理论基础
2.1电网网格化理论
2.1.1电网规划简介
电网规划又称输电系统规划,以负荷预测和电源规划为基础。电网规划主要的目的是确定在何时、何地投建何种类型的输电线路及其回路数,以达到规划周期内所需要的输电能力,在满足各项技术指标的前提下使输电系统的费用最小。
电网网格化理论是近几年广泛采用的一种作为电网规划改进型理论。在以往的电网规划上发展而来。目前广泛应用在电网规划的日常工作中。他的基本思路是指根据道路和河流,结合地块功能分区和客户用电性质划分为若干供电网格。以供电网格为基本单元,进行配电网建设、运行维护和系统管理。
2.1.2电网规划发展
电网规划趋势发展如下:
(1)2005年提出概念性规划,在该年度提出标准接线模式,更注重远景年目标网架。
(2)2010年字典式规划,注重分析问题,解决问题,在实施上存在深度不够问题。
(3)2013年精细化规划,在之前基础上确保规划与实际结合,能有效实施下去。
..........................
2.2电网需求预测常用模型与方法
通过本文对电网规划理论的相关介绍,本文可以看出原始资料及规划方法重点。其中,如何准测的对电网需求预测是最关键的重点难点。下面介绍电网需求预测常用模型和方法:
2.2.1趋势分析法
趋势分析法又称之趋势曲线分析、曲线拟合或曲线回归,是目前最为广泛运用的定量预测方法之一。它是根据已知的历史资料来拟合一条曲线,使得这条曲线能反映负荷本身的增长趋势,然后按照这个增长趋势曲线,对要求的未来某一点估计出该时刻的负荷预测值。常用的趋势模型有线性趋势模型、多项式趋势模型、对数趋势模型、幂函数趋势模型、指数趋势模型、逻辑斯蒂(Logistic)模型、龚伯茨(Gompertz)模型等。采用趋势分析拟合的曲线,其精确度原则上是对拟合的全区间都一致的。在很多情况下,选择合适的趋势曲线,确实也能给出较好的预测结果。但不同的模型给出的结果相差会很大,使用的关键是根据地区发展情况,选择适当的模型。
2.2.2回归分析法
回归分析法(又称统计分析法),也是目前最为流行的定量预测方法。其任务是确定预测值与影响因子之间的关系。电力负荷回归分析法是通过对影响因素(比如国民生产总值、工农业总产值、人口、气候等)的数值和用电的历史数据进行统计分析,确定用电量和影响因素之间的函数关系,从而实现预测。然而,在回归分析中,因素的选择和因素体系的表达有时只是猜测,选用何种因子和该因子系用何种表达式有时只是一种推测,而且影响用电因子的多样性和某些因子的不可测性,使得回归分析在某些情况下受到限制。
回归分析预测方法是要通过对历史数据的分析研究,探索经济、社会各有关因素与电力负荷的内在联系和发展变化规律,并根据对规划期内本地区经济、社会发展情况的预测来推算未来的负荷。可见该方法不仅取决于模型的准确性,更取决于影响因子其本身预测值的准确度。
..........................
第3章某区配电网负荷现状研究..................................20
3.1研究思路.....................................20
3.2该区经济社会发展概况..............................20
第4章需求预测模型及优化.........................30
4.1问题背景..................................30
4.2问题分析...........................31
第5章投资估算与投资分析模型及优化..........................45
5.1库存模型在配电网投资分配运用...................................45
5.2基于不允许缺货库存模型的投资分析模型.............................46
第5章投资估算与投资分析模型及优化
5.1库存模型在配电网投资分配运用
库存(inventory)模型主要回答两个问题:订多少货?什么时候订货?类似的,在配电网投资分配中常遇见的问题有:建多少线路?什么时候建该线路?

投资分析论文参考
投资分析论文参考

在库存模型中,本文的目标:订多少货,存多少货导致的各费用之间平衡。详细为增加每次订货量,在一个时间段里面订货次数减少,从而固定费用减少,还有可能享受集中采购价格优惠,使总购买费用下降,但导致库存量增加,从而增加仓储费用。库存过剩,导致资金占用,仓储费用过高,库存不足,导致缺货损失惩罚。
在配电网投资问题中也面临同样的实际问题:什么时候?建多少线路?如何在各项费用之间达到最优?例如以下情形:为增加新建线路条数,但导致线路轻载,损失流动资金投资利息且增加维护费用支出;若所建线路过少,线路容量过低,导致线路重过载,导致线路损失费用惩罚。
................................
第6章结论与展望
6.1结论
本文针对案例给出相关建议。结论如下:由于每个楼盘的周边环境不同,具体情况具体分析。
(1)对现行的业扩报装中动则一条专线带一个楼盘的供电方案进行整改,避免楼盘线路长期空载现象产生。对于一个发展中楼盘来说,在投资方案预测的开始几年内,本文可以看出单纯以楼盘分析,连续多年的负荷增长都不足以支撑1条线路新建所增长的负荷。
(2)对于一个发展中楼盘来说,在投资方案预测的规划年度建设周期内,并不需要新建线路,而是把负荷接入周围楼盘,几个楼盘共有一条出线在满足供电规划指标的情况下最经济,再结合市政发展规划,进行负荷预测,逐年给出电网投资规模。
(3)强化配网规划的刚性执行。采取“先有规划,后有计划,再有项目”的做法,坚持从规划项目库中提取项目进行可研究及初设。同时,争取建议政府出台相关政策,给电力施工提供政策及舆论方面的支持,以确保规划项目顺利实施。
参考文献(略)


想毕业,找代写
在线咨询 在线留言咨询
QQ在线
返回顶部
Baidu
map