電力能源作為我國重要的能源之一,因其具有使用方便、清潔衛(wèi)生等特點,在現(xiàn)代居民生活當中占據(jù)著舉足輕重的作用。隨著經濟的不斷發(fā)展,北京市居民生活用電量占全社會用電量的比重逐年增加,且有繼續(xù)增加的趨勢,因此,分析北京市居民生活用電的歷史特征并對其未來發(fā)展趨勢進行預測,既可以在宏觀層面上為電力部門實施合理的電力規(guī)劃、制定合理的節(jié)能減排政策提供參考,也可以在微觀層面上為電力部門在實行階梯電價過程中合理劃分電量區(qū)間、設計合理階梯電價提供有效依據(jù)。本文將灰色關聯(lián)分析、灰色預測和粒子群優(yōu)化的支持向量機結合,構建組合預測模型對北京市中長期居民生活用電量進行預測研究。首先,從收入、價格、替代能源、人口、居住環(huán)境、氣候、用電器數(shù)量7個方面分析了北京市居民生活用電的影響因素及其相關特性,在此基礎上通過計算1990-2012年間不同階段的收入彈性、價格彈性以及替代能源價格彈性分析北京市居民生活用電的歷史特征。其次,運用灰色關聯(lián)分析法分別篩選出北京市城市和農村居民生活用電的關鍵影響因素,并利用灰色預測的“一階累加”方法將城市和農村的關鍵影響因素及居民生活用電量的原始數(shù)據(jù)序列生成較為規(guī)律的數(shù)據(jù)序列,為模型訓練做準備... 

【文章來源】：華北電力大學河北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

圖３－２?１９９０－２０１２年化京市居民生活電價??如圖３－２所示，北京市居民生活名義電價從１９９０年的０．１７元／ＫＷｈ增加到??

華北電丸大學碩－上學位論文??度量居民居住面積大小可Ｗ采用人均居住面積指標。如圖３－６所示，城市和??農村人均居住面積年均增速分別為６．２４％和３．９４％。??６０??５０??Ａ?－＜?４０?＾…＂■傭‘??興?…＇？ｒ??＇渉＾驢－－沸＂…爭＂＂■啼??這?■？著？翁．善？貧礦?護本方＾一?——??０?＇＇……－－＇■———＇——??－－－■＇－?－……—??—―‘■＇■—■■—?—???????１Ｍ０?１?汾２?１９９４?１９說?１．０Ｄ８?２孤０?２孤２?２孤４?２０３６?２００Ｓ?２０１０?２０１２??—城市人巧巧件陸積?農村人巧巧樣而巧??圖３－６?１９９０－２０１２年北京市城鄉(xiāng)人均居住面積??３丄６氣候因素??氣候因素對居民生活用電需求的影響在夏季和冬季較為明顯。具體表現(xiàn)為，??當氣溫升高或降低到一定程度之后，居民就會有降溫或取暖的需求，相應地，可??用于降溫的家用電器（如空調、電風扇）或用于取暖的家用電器（如電暖氣，電??熱毯）的使用頻率和使用時間就會隨之增加，從而增加居民生活用電需求。但氣??溫對用電需求的影響具有其特殊性，并非每升高或降低一度，需求量就隨之增加，??而只有當溫度升高或降低到一定水平之后，氣溫的變化才會引起用電需求的變化，??因而，氣溫對用電需求的影響是非線性的。??北京市屬于北方地區(qū)

図３－９?１９９０－２０１２年北京市農村居巧每肯戶家庭典消家Ｗ屯器擁有貴??如圖３－８、３－９所示，空調作為高耗能電器從２０世紀９０年代中期巧始大范??圍進入城市居民家庭，從１９９０年的每百戶不足２臺增加到２０１２年的每百戶１７９??臺，年均增速達２５．５５％，增長最快的年份增長率達９１．５４％。而農村居民家庭對??空調的需求相對滯后，進入２１世紀之后才開始快速增長，年均增速達３３．３８％，??－且仍有繼續(xù)增加的趨勢。??（５）照明用電??照明用電是一種生活必須品。隨著居民生活水平的提高、住房條件的改善，??居民對照明的燈具的需求己不僅僅局限在照明的用途上，其在美觀（客餐廳裝飾??奸）、節(jié)能（廁所節(jié)能燈）、保暖（浴室保暖）等方面的性能也逐漸受到居民的追??捧。在Ｒ常生活中，照明用電因其具有使用頻率高、時間長，且無相關替代品等??特點，對居民生活用電量的增長具有一定影響。但是照明燈具同樣存在功率小、??同一家庭所擁有的種類繁多且功率不一致的情況，這使得很難對各類照明燈具的??數(shù)量進行合并，此外，各年統(tǒng)計年鑒中對照明用電的燈具的數(shù)據(jù)統(tǒng)計相當缺乏。??因此，本文不將照明燈的數(shù)量作為居民生活用電量的影響因素中。??

【參考文獻】：
期刊論文
[1]基于Gompertz的灰色模型預測油田產量[J]. 湯國平,姜漢橋,丁帥偉,李俊鍵,甘云雁.  新疆石油地質. 2013(04)
[2]基于混合核函數(shù)的支持向量機[J]. 鄔嘯,魏延,吳瑕.  重慶理工大學學報(自然科學). 2011(10)
[3]采用支持向量機和模擬退火算法的中長期負荷預測方法[J]. 李瑾,劉金朋,王建軍.  中國電機工程學報. 2011(16)
[4]基于最小二乘支持向量機的居民用電預測研究[J]. 何永秀,王躍錦,楊麗芳,何海英,羅濤.  電力需求側管理. 2010(03)
[5]支持向量機及其在機械故障診斷中的應用[J]. 袁勝發(fā),褚福磊.  振動與沖擊. 2007(11)
[6]滑坡災害空間預測支持向量機模型及其應用[J]. 戴福初,姚鑫,譚國煥.  地學前緣. 2007(06)
[7]灰色理論在圖像工程中的應用研究進展[J]. 馬苗,田紅鵬,張艷寧.  中國圖象圖形學報. 2007(11)
[8]基于支持向量機與遺傳算法的灰熔點預測[J]. 王春林,周昊,李國能,邱坤贊,岑可法.  中國電機工程學報. 2007(08)
[9]城鎮(zhèn)居民生活用電需求預測模型[J]. 宋煒,顧阿倫,吳宗鑫.  中國電力. 2006(09)
[10]基于灰色關聯(lián)分析的礦井通風系統(tǒng)優(yōu)化評判[J]. 曾憲祿.  礦業(yè)工程. 2005(05)

碩士論文
[1]基于粒子群思想改進支持向量機優(yōu)化算法的研究[D]. 馮一博.哈爾濱理工大學 2013
[2]基于數(shù)據(jù)挖掘方法的居民生活用電負荷預測研究[D]. 焦艷燕.華北電力大學（北京） 2009



本文編號：3123859