本课题来源为山西风行测控股份有限公司(以下简称风行公司)的校企合作项目《电力需求侧管理平台的开发》。随着我国经济的快速发展,尤其是工业产能的迅速增加,电力能源对于工业的持续稳定发展以及国民经济的稳步增长呈现出越来越重要的作用。工业用户作为用电大户,对于电力能源的消耗非常大。电力需求侧管理平台作为一个辅助决策工具可以帮助企业管理者可以直观方便的了解企业生产状况,管理者可以根据平台显示的各项数据结果,优化自身的用电行为,合理安排生产活动,尽可能减少电能的浪费,以达到节能降耗,降低用户用电成本,降低电网运行风险,提高社会效益等目的。本文以高耗能的工业用户为研究对象,搭建了需求侧管理平台;然后利用需求侧管理平台监测到的电力数据对平台进行二次开发,提出一种基于改进密度峰值聚类的超短期工业负荷预测算法和一种工业用户日用电量组合预测算法;最后针对电能质量对工业用户能耗影响较大的现状,基于Lab VIEW软件搭建了一个电能质量监控平台,为企业决策者合理调整企业生产活动提供必要参考。主要研究内容如下:(1)搭建需求侧管理平台,主要介绍了需求侧管理平台设计思路、主要功能以及主要软硬件设备。(2)提出一种基于改进密度峰值聚类方法的超短期电力负荷预测方法,该方法基于数据挖掘的手段,对传统密度峰值聚类算法进行改进,可以发现隐藏类簇,达到更佳的聚类效果,同时得到更具针对性的神经网络训练样本用以神经网络的训练。然后给出一种综合了欧氏距离和余弦距离进行样本相似度计算的方法匹配用于预测的训练样本,使用GRNN神经网络进行超短期工业负荷预测。通过算例分析可以证明使用本方法在针对工业用户进行超短期电力负荷预测方面能够有效降低误差,平均误差低于6%,达到很好地预测效果。(3)为了更好地掌握未来一段时间的电量变动情况,构建一种工业日电量组合预测模型,使用粒子群优化的最小二乘支持向量机、ELMAN神经网络算法和LSTM长短期记忆神经网络算法作为单一预测模型,然后采用最优加权法构建组合预测模型,经过算例分析证明该模型具备较高的预测精度,在对不同行业的大工业用户电量数据的预测中同样具备较高的精度,在针对多家工业用户用电量预测中平均误差能够低于4%,可以用于工业日电量的预测。为企业管理者安排未来短期内的生产活动提供参考。(4)对工业用户进行节能分析,重点研究了电能质量对企业节能的影响,基于Lab VIEW软件搭建电能质量监测分析平台,平台包括三相不平衡度计算模块、电压偏差计算模块、频率偏差计算模块、功率分析模块、谐波分析模块和日用电量对比分析模块,并对重要指标设置了越限预警,然后对某工业用户实际电力数据进行分析,并提出相应的节能建议。最后简单介绍了其他企业节能方法,能够为企业进行节能降耗提供必要的参考。