一、遗传算法在企业最优投资规划中的应用（论文文献综述）
赵楠[1]（2020）在《面向能源互联的多能需求响应特性建模及应用研究》文中认为随着能源互联网在我国的进一步推广,综合能源系统作为多能耦合的关键枢纽,由于其高能源利用效率,近年来在需求侧被大型工商用户、园区用户广泛采用。与传统单能电力用户不同,综合能源用户,将成为新型的产消者,既作为上层能源系统的电能、天然气的消费者,也是下层终端用户所需电、冷、热的生产者。综合能源用户具有多种用能选择,而能源购买组合方案最终取决于能源市场上价格的变化。可见综合能源用户可以根据能源价格变化具有灵活的需求响应能力,学者们将这类需求响应定义为综合能源需求响应。相比于传统电力需求响应,综合能源需求响应可以通过调节综合能源系统中的能源流保证下层终端用户的用能量不变,这就使得综合能源需求响应具有用户体验感好、响应潜力高等特点。为了使综合能源需求响应更好地参与到能源系统的协调运行规划中,需要对该类需求响应的响应特性进行细致挖掘。本文分析了综合能源用户的响应机理及影响因素,以能源替代和能源时段转移两种需求响应实现方式为基础,建立了综合能源需求响应的单时段、多时段响应模型,并提出了相应的模型参数辨识方法;基于前述所提出的多时段响应模型,开展了大规模综合能源用户定价以及区域综合能源系统规划研究两方面应用研究。主要工作包括:（1）研究了综合能源需求响应的单时段和多时段响应特性。针对综合能源用户在不同的能源（电能、天然气）价格下如何做出能源购买量的决策问题,针对综合能源需求响应单时段响应特性,构建了采用基于消费者心理学的电被替代曲线,提出了用能效用曲线以及电被替代曲线的建模方法;针对多时段响应,采用基于综合能源系统电热系数的需求弹性矩阵建模思路,提出了基于KKT条件推导需求弹性矩阵的建模方法;并在此基础上,分析了不同行业用户在不同季节场景下的单时段、多时段响应特性。所提出的响应模型可分析得出综合能源用户响应特性的影响因素,也为综合能源需求响应的调度、定价及规划奠定基础。（2）研究了综合能源需求响应模型的参数辨识方法。针对历史实测电响应量和所发布的分时电价数据,如何辨识（1）中综合能源用户的多时段响应参数问题,构建了利用最小二乘法拟合响应模型参数模型。本章所提出的响应模型辨识方法,有助于能源系统的调度机构了解综合能源用户的响应特性,为后续综合能源需求响应应用到能源系统的定价、规划中奠定了基础。（3）研究了大规模综合能源用户的定价问题。从能源网络运营商的角度出发,针对如何为大规模综合能源用户定价来实现全网购能成本最小的问题,将（1）中的用户多时段响应模型与定价模型结合,构建了大规模综合能源用户群的分时能价比定价模型,并给出了改进内点法求解策略。该求解策略与目前求解主从博弈模型的主流算法——双层迭代法、单层线性化法相比,具有求解时段短、定价策略更优的优势。（4）研究了区域综合能源系统的设备容量规划问题。从区域综合能源服务商的角度出发,针对某综合能源系统规划方案问题,在（1）中多时段响应模型推导方法的研究基础上,基于综合能源系统的泛化结构模型,构建了考虑多能价格和多能负荷不确定性等因素的双层随机规划模型;并针对求解维数灾问题,设计了求解策略:一是对双层规划模型中的多维决策变量——设备容量进行降维处理,二是对降维后的一维非凸问题提出了辨识单峰区间的求解算法,对场景数多、设备容量范围大等随机规划问题具有更高的求解效率。（5）研究了考虑综合能源服务商与上层网络运营商之间交易互动的多区域综合能源系统规划问题。针对综合能源服务商如何在网络中投资规划建设综合能源服务站（即区域综合能源系统）问题,从综合能源服务商的角度出发,在（4）中单区域系统规划基础上,构建同时考虑多能网络交易互动的多区域系统三层规划模型。该规划模型更契合综合能源供能的运营和规划实际,考虑了综合能源服务商利用多个综合能源系统的响应特性与网络运营商的交易互动,挖掘多盈利途径实现投资收益最大化。
许传博[2]（2020）在《计及不确定性与协同性的微电网项目投资组合优化研究》文中研究表明微电网是未来分布式能源的重要载体,其作为泛在电力物联网的重要组成部分,在城市区域、海岛及偏远地区均有广泛的应用前景。与此同时,微电网的建设隶属于新型基础设施建设的范畴,其投资建设将助力我国经济培育新增长点、形成新动能。本文以微电网项目为主体,从能源电力企业角度对其投资组合优化问题展开了研究。在对微电网项目战略对应度评估的基础上,由浅入深地构建了静态、动态、多阶段动态三种情景下的微电网项目投资组合优化模型。针对不同模型的特点,分别引入分枝定界算法、改进差分进化算法、多智能体强化学习算法进行求解,从而探索了能源电力企业在各种情景下的微电网项目最优投资组合策略。首先,论文梳理了微电网项目投资组合优化的研究背景及意义,开展了对国内外微电网项目和项目投资组合优化问题及其方法的研究综述,并概述了项目组合管理、项目投资组合优化、项目评估模型及方法、组合优化模型及方法、不确定性等相关基础理论与方法,为后续的研究奠定了理论基础和研究范围。然后,论文研究了计及双重不确定性的微电网项目战略对应度评估问题。在对中国大型能源电力企业的战略目标进行分析的基础上,提炼出绿色发展战略、效益导向战略、科技创新战略及和谐发展战略这四大重点战略目标;结合文献综述对战略目标进行分解,建立起一套完备的微电网项目战略对应评估指标体系;针对微电网项目中多种不确定性因素的影响,采用云模型来描述微电网项目的模糊-随机双重不确定性;提出云层次分析法和基于K-means算法改进的云PROMETHEE-II算法进行微电网项目的战略对应度计算。该部分研究可为能源电力企业的微电网项目的初步筛选提供理论依据。其次,论文研究了计及不确定性和协同性的微电网项目静态投资组合优化问题。对微电网项目的协同因素进行识别,针对微电网项目间可能存在的电力交易提出了新的运营协同因素;基于现有文献中对项目间协同性刻画不充分的缺陷,采用云Choquet积分结合模糊测度对微电网项目协同性进行量化;考虑到非线性问题求解的复杂性,对构建的不确定0-1非线性规划模型采用MCPPSP-GW模型进行等价线性化处理,转化为不确定0-1线性规划模型;采用精确算法中的分支定界法对不确定0-1线性规划模型进行求解。该部分研究可为能源电力企业在现有微电网项目无调整的单决策时点情景下提供投资组合决策依据。再次,论文研究了计及不确定性和协同性的微电网项目动态投资组合优化问题。引入动态的概念来考虑现有微电网项目的调整,包括升级、维持以及放弃动作;在考虑微电网项目的机会成本与沉没成本的基础上,以总净现值最大化为目标,构建微电网项目动态投资组合不确定性0-1非线性规划模型;采用云模型的去不确定性公式将其转化为确定性0-1非线性规划模型;针对差分进化算法易陷入局部最优的缺陷,提出了增加自适应算子和结合粒子群算法的一种改进差分进化算法对模型进行求解。该部分研究可为能源电力企业在现有微电网项目有调整的单决策时点情景下提供投资组合决策依据。最后,论文研究了计及不确定性和协同性的微电网项目多阶段动态投资组合优化问题。引入多阶段的概念来考虑企业在一个规划期内的连续动态投资组合问题;基于发电成本与项目电价的不确定性,采用实物期权法确定每个新微电网项目的最佳投资时机;考虑到多阶段的时序决策问题,将微电网项目多阶段动态投资组合优化问题建模为马尔可夫决策过程,并对相应的状态、动作和奖励进行定义;将每个微电网视为一个智能体,提出随机博弈理论与强化学习算法相结合的多智能体强化学习算法,对微电网项目多阶段动态投资组合优化问题进行求解。该部分研究可为能源电力企业在现有微电网项目有调整的连续多决策时点情景下提供投资组合决策依据。
柯毅明[3]（2020）在《政府投资光伏扶贫项目区域优选方法及其规划模型研究》文中研究指明光伏扶贫项目是指由政府统一拨付资金,在光照资源良好的贫困区域建设村级光伏发电电站,并将发电营运所得用以帮扶建档立卡贫困户的政府投资项目。它不仅有助于解决落后地区的能源供给、就业创收和经济建设等问题,还可以助力于缩短贫富差距,维护社会公平并推动社会主义现代化进程。自试点以来,政府利用两年光景将光伏扶贫装机规模增至100万千瓦,受惠人数突破百万户。因巨大的利好效用,光伏扶贫项目已成为探索中国特色扶贫事业中可圈可点的“经验词条”,也被成功纳入十三五扶贫开发的工作重点。然而,随着光伏项目的发展,光伏电站潜在可安装面积日渐紧俏,弃光弃能等现象日益凸显。同时,伴随着扶贫开发的深入推进,加之光伏扶贫项目呈现出分布分散、地形特殊和地质多变等特点,部分因勘探不足、选址不良和规划不当引发的恶劣现象也逐渐显现。项目实施区域优选及其规划问题开始引发社会各界的关注和思考。综合分析当前主流的优选理论可知,传统的优选模型普遍存在契合度不高、适用性欠佳或求解精度不足的问题,难以有效应对光伏扶贫项目区域优选及规划建模。因此,本文以政策引导为支点,以“什么区域为条件适宜”、“如何进行项目组合规划”为导向,结合项目内在特征,探索高匹配度和强适应性的区域优选方法及其规划模型,旨在助力完善项目实施经验,提高光伏扶贫活力,为项目新建、改扩建乃至25年实施期满后拆除重建等情境下的投资决策活动提供可靠的智力支持。具体的研究内容如下:（1）结合项目特征的相关政策梳理及投资机理研究。针对目前光伏扶贫项目研究未考虑政策引导作用且投资机理不甚明确的问题,本文以项目特征为逻辑起点进行政策梳理及机理分析。首先,基于投资者、承包商、受益人和社会公众等利益相关方的定位及特点,明确其目标诉求,为后续因素提取和函数设立等过程提供支撑性材料;接着,结合项目目标,对项目的具体特征进行归纳,为后续研究奠定基础;随后,梳理相关政策的发展态势和时序特征,识别出对区域优选及其规划建模问题起着引导作用的政策,并以此作为全论文研究的基本准则,从而提高所建模型的政策匹配度;最后,结合政策引导作用,分析投资机理并界定项目运行机制,从而确保所建模型的项目契合度。（2）基于政策引导的双因素实施区域优选指标体系研究。针对传统指标提取过程中提取困难、因素缺失、筛选偏颇和决策支持度不足等问题,本文摒弃仅从经济、技术、社会和环境等宏观层面进行因素提取的方法,而是立足于利益相关方的目标诉求,提出“政策—风险—收益—反馈”搜索闭环,进而形成涵盖政策引导、风险规避、收益追逐和公众反馈的四维因素集,从而提升因素提取效率;考虑到部分区域因不满足建设红线或整体规划的要求而需被预先否决,本文通过界定指标概念、合并重叠因素和剔除无关因素,构建出政策引导下否决指标和优选指标双因素框架,从而保证指标体系的全面性。以上基于利益相关方目标诉求的因素提取思路可为学者搜集评估指标提供技术参考。（3）考虑决策者风险偏好的直觉模糊组合优选方法研究。针对传统模糊集难以反映决策信息犹豫度、常规赋权方法仅从主观重要性或客观信息量进行单侧度量、主流的排序过程未将决策者风险偏好纳入考虑范畴的问题,本文首先权衡了评估指标量、模糊界限及评估精度要求,决定采用直觉模糊语言集作为定性因素的评估依据。接着,结合直觉模糊集的矩阵一致性和熵值分布特征,对传统层次分析法和熵权法进行适应性调整与拓展,使得整个定权过程既能很好地反映专家经验的模糊性与犹豫程度,又能达到兼顾指标逻辑重要性和优选贡献度的决策效果;随后,基于直觉模糊集的运算逻辑和距离测度公式,对传统的风险偏好交互式决策排序框架进行调整,使排序结果充分反映决策者的风险规避心理,提高方法的实用度。本研究既有助于提升传统赋权方法的应用活力,丰富赋权方法理论体系;又可以提高排序过程的优选效率,丰富排序方法理论体系。（4）计及扶贫效果和容量约束的组合优化模型及寻优算法研究。针对传统组合优化模型契合度不高且寻优算法结果欠佳的问题,本文通过剖析光伏扶贫在战略层、项目层和资源层的投资目标及诉求,归纳出其项目组合的具体特征,在项目目标、政策引导、条例规范和并网要求的共同作用下构建出“目标—约束”组合优化模型。在目标函数方面,考虑到光伏扶贫项目兼具并网发电和帮扶贫困的任务,引入拟帮扶人数表征扶贫效果,从而设立最低成本和最佳扶贫效果两项优化目标;在约束条件方面,考虑到相关政策的规范和要求,结合电网建设和资源消耗等常规限制,从而设立容量限制的约束条件;在求解算法方面,结合种群适应度分布,令个体繁殖概率自适应调整,从而形成兼具非支配排序、拥挤度计算、精英策略和自适应遗传概率的改进算法,可应对过早收敛、求解欠佳和概率固化等问题,提高解集稳定性。改进的算法可丰富智能算法理论体系。（5）基于公平与效率的规划方案优选模型及求解算法研究。针对传统项目规划方案优选过程仅考虑效率测度结果且未对小样本数据求解偏差进行处理的问题,本论文基于项目全寿命周期与利益干系人双重视角,对公平与效率的具体表征进行归纳和总结。首先,引入公平因子,并结合标杆方案和聚类算法对备选方案进行样本初筛,识别出在公平层面表现欠佳的方案并予以剔除,极大契合政府投资项目在维护社会公平方面的理念;接着,将效率诉求转化为可运算的投入产出变量,借助数据包络分析算法对样本数据进行效率测度。考虑到小样本可能带来的估算偏差,引入重抽样技术进行样本扩容和效率值纠偏,结合纠偏后的效率值完成方案的优选排序,从而保证优选结果的准确性。以上提及的模型构建思路可拓展到其他政府投资项目的方案优选或效率分析中,提高优选模型与项目的契合度,而带纠偏处理的数据分析算法亦可丰富效率测度理论体系。
梁子鹏[4]（2019）在《面向高比例风电并网的输电网鲁棒扩展规划及运行优化研究》文中指出作为一种绿色环保的间歇性能源,风电有利于改善能源结构。但由于风电具有不可调度性、随机波动性、反调峰特性,高比例风电接入将使经典的输电网确定性扩展规划及运行优化技术难以适用。本文综述了国内外含风电接入的输电网扩展规划与运行优化研究的相关文献,并指出线路传输能力和调峰能力是制约消纳风电的关键因素。针对高比例风电的接入问题,本文力求从线路传输能力和调峰能力两个方面对现有输电网规划与备用优化体系作出改进:1)采用基于极限场景的输电网鲁棒扩展规划策略,保证规划策略对风电极限场景具有鲁棒性;2)提出一种内嵌风电概率信息的输电网鲁棒规划方法,合理地权衡鲁棒规划方案的保守性和经济性;3)建立考虑风电不确定度的多源协同鲁棒备用优化模型,从调峰备用能力角度提高风电接纳能力。具体工作如下:首先,详细介绍了能较好处理不确定性参数的鲁棒优化理论,并介绍了Benders分解算法、C&CG分解算法、遗传算法的基本原理,为后续章节奠定了基础。其次,提出了风电极限场景的物理概念,构建了基于风电极限场景的两阶段输电网鲁棒规划方法,并提出了基于Benders分解的两阶段算法以有效求解所建模型。与经典的规划方法相比,所提方法可以保证规划策略对风电极限场景具有鲁棒性,并有效地降低过强的保守性。同时,本章所提的方法避免了非凸双线性项的出现,更适合工程实际应用。通过Garver’s 6节点系统和IEEE RTS-79系统仿真发现,本文所提输电网鲁棒规划模型可以有效地减少运行阶段的弃风量和切负荷量,并显着降低系统的运行成本和规划总成本。再次,通过对可再生能源的不确定概率特性建模,构造了混合概率不确定集,并建立了一种基于概率驱动的输电规划投资规划模型,以应对场景概率最恶劣的波动情况。为了求解所提模型,提出了互斥约束的线性化方法来消除混合概率不确定集内的绝对值项,并构造了可并行C&CG分解算法以适应大规模输电系统应用,通过中国西北实际电网系统算例验证了所提模型和算法的有效性和优越性。最后,针对风电出力随机性和波动性给运行备用优化配置带来的新难题,以鲁棒多面体不确定集刻画风电不确定性,构建了计及风电出力误差概率的期望弃风、期望切负荷模型,并以综合成本最小化作为备用目标,建立了考虑风电不确定度的风-火-水-气-核-抽水蓄能多源协同调度的鲁棒旋转备用优化模型,合理地权衡了鲁棒备用策略的效益和风险。同时提出了一种自适应遗传算法与分枝切割算法相结合的双层优化算法以求解所建模型。通过我国某省级电网算例表明,所提模型能合理地权衡备用策略的鲁棒性和经济性,摆脱人为主观决策的影响,自适应地寻找最优不确定度,实现综合效益最优化,并且所提鲁棒备用方法在风电预测精度较低、切负荷成本系数较高以及风电逆调峰特性下具有更明显的综合效益。
张丹丹[5]（2019）在《基于最优潮流计算的多调度场景省级电网输电投资方案效益评估》文中进行了进一步梳理随着我国经济社会的不断发展、人民物质文化生活水平的不断提高和丰富,能源、电力消费呈现较快增长。“十三五”期间是我国实现能源转型、科学发展的关键时期,必须综合考虑低碳经济模式对电力工业的可持续发展要求。此外,我国电网企业面临着巨大的经营压力,为了满足电网企业集约化、精益化管理需求,必须正确处理投资与效益的关系。因此,合理构建电网投资方案评估指标体系,全面量化投资方案的效益,对指导电网企业进行电网投资具有重要意义。本论文主要研究工作如下:首先,梳理影响输电网投资方案效益的主要因素,从电网安全稳定、经济高效、绿色低碳三个方面出发构建全面评估输电网投资方案指标体系,并对各指标建立相应的评估模型,具体包括电网安全指标模型、电网成本指标模型和电网环境效益指标模型。其次,在评估指标体系以及指标模型建立的基础上设计了输电网投资方案评估流程,包括选取待评估投资方案,确定电网网架结构以及边界条件完成算例构建,基于充裕性和安全性选取约束条件、从典型运行方式、调度模式、约束条件三方面设计多仿真场景,进行多场景最优潮流计算,对投资方案进行综合效益评估五个部分,以保证投资方案效益评估过程的全面性、客观性以及准确性。最后,运用本文提出的输电网投资方案综合效益评估体系对青海省2018年一项750千伏输电线路投资方案进行评估,并比较不同调度模式下输电投资方案综合效益的变化,分析输电网投资方案适应调度模式改变的能力,为合理的方案选择提供依据。
何森雨[6]（2018）在《不同减排政策下工业企业低碳技术升级策略的建模优化》文中研究指明气候变化问题是全球关注的热点问题之一。我国作为一个负责任的大国,在气候谈判中主动承担减排责任,做出2030年单位国内生产总值二氧化碳排放比2005年下降60%-65%的承诺。工业企业作为二氧化碳的主要排放者,将因此受到政府一系列减排政策的约束,主要包括行政管制政策、碳税政策和碳交易政策等。企业在面对这些减排政策时,通过低碳技术升级从源头上减少能源使用及二氧化碳排放,是一种最根本和最有效的应对方式。然而,由于消费者需求的日益多样化,使得企业在设计和生产产品时日益精细化和复杂化,产品的生产涉及到越来越多的生产环节。因此,企业在进行技术升级时正面临着越来越多的选择,如何从中选择最优的技术升级策略已日益成为企业亟待解决的现实问题。本文在借鉴国内外相关研究的基础上,以工业企业为研究对象,分析了企业如何在不同的减排政策约束下选择最优的低碳技术升级方案,并探讨了企业间应该如何基于技术升级的方式开展合作减排。本文的主要研究内容和创新之处如下:（1）改进了“多Agent系统-遗传算法”方法,构建了一套综合考虑生产技术选择和原料供应商选择的优化模型,研究了企业在行政管制政策约束下的低碳技术选择策略。本文探讨了企业应该如何选择最优的低碳生产技术及其低碳供应商,使得企业在政府制定的碳排放刚性约束下,生产成本最低。本文构建了0-1型整数规划模型用于刻画该问题,并改进了“多Agent系统-遗传算法”方法用于该模型的求解（即IMASGA方法）。通过随机算例的验证表明,本文对IMASGA方法的改进是有效的,不仅进一步减少了计算时间,而且在一定程度上提高了计算的准确度。（2）构建了一套综合考虑短期技术升级成本和长期碳税成本的优化模型,通过算例求得了企业在碳税政策约束下的低碳技术升级路径的最优解。本文探讨了企业应该如何选择最优的生产环节使用最合理的低碳技术进行技术升级,使得技术升级成本和碳税成本之间取得平衡。本文使用0-1型整数规划模型构建了该优化模型,并提出了IMASGA+方法用于优化模型的求解。研究发现,碳税税率增加时,企业需要支付更多的技术升级成本;在企业对期望成本控制更为严格的情景中,企业对碳税税率的变化更为敏感;过高的碳税税率可能会导致企业放弃它的技术升级计划。企业的期望成本增加时,企业将减少技术升级成本的投入;在低碳税税率情景中,企业对期望成本的变化更为敏感;过高的期望成本将使得企业满足现状,不计划进行技术升级。（3）将模型的决策单元从企业整体层面细化到企业内部的生产环节,并将参与合作的企业细分为核心企业和合作企业两类,构建了一套综合考虑资金合作和技术合作的优化模型,揭示了碳税政策约束下企业基于低碳技术升级的合作减排策略的优化模式。本文先构建了独立减排模型,用于分析企业独立减排时的总成本、利润等信息;然后,基于这些基准利益,将企业细分为核心企业和合作企业两类,并通过引入资金合作和技术合作,构建了合作减排模型;通过引入多Agent系统,提出了MASE方法,用于模拟各企业之间协商,以实现合作模型的优化求解。研究发现,企业间的低碳技术合作能小幅提升各合作企业的利润,较大幅度地提升核心企业的利润,使得所有企业的整体利润大致恢复到征收碳税前的水平;在总减排资金不变的情况下,企业间的低碳技术合作能优化减排资金的分配,进一步优化企业间的减排结构,使得所有企业的整体减排量进一步下降。因此,在碳税政策下,企业间的低碳技术合作比单个企业的独立减排更具优势。（4）将碳价预测和减排决策之间的双向影响机制纳入到企业的决策模型中,构建了一套综合考虑资金合作、技术合作和减排信息共享的优化模型,揭示了企业在碳交易政策约束下基于企业间技术合作的低碳技术升级策略。本文通过构建独立减排模型,分析了各企业合作减排时的基准利益（包括利润、碳价、交易配额等信息）;通过引入资金合作、技术合作和减排信息共享,构建了合作减排模式;通过引入多Agent系统,提出了MASE+方法,用于合作模型的优化求解。研究发现,企业间的低碳技术合作能够提升各企业的利润,并使各企业均有一定额度的碳配额可以出售。在碳税政策下,企业投入的减排资金越多,企业决策时将选择减排效果更好的低碳技术,使得实际的减排效果越好;但在碳交易政策下,企业的决策将受到减排资金和碳价预测值的双重影响,企业投入的减排资金越多,不一定会选择减排效果更好的低碳技术。
彭丽霖[7]（2017）在《主动配电网下分布式能源系统规划运行及效益评价研究》文中指出在全球能源领域调整与变革的大背景下,加快推进能源革命,加快建设清洁低碳、安全高效的现代能源体系成为新形势下我国能源发展转型的必然选择。“十三五”规划纲要指出,要“建设’源—网—荷—储’协调发展、集成互补的能源互联网”。能源互联网代表世界未来能源发展方向,是推动能源革命的重要手段。从能源互联网的构建角度来看,分布式能源系统（Distributed Energy System,DES）是其必须具备的网络“结点”。分布式能源系统除了节能、减排、安全、灵活等多重优点,是能源发展的主要方式,也是实现节能减排目标的重要途径,为电力产业的发展指明方向。分布式能源系统作为新型节能减排供能方式,将会成为我国能源结构调整的重要手段。目前,我国分布式能源系统的发展仍处于起步阶段,在全球能源快速转型和电力体制改革不断推进的背景下,我国有必要加快分布式能源系统的推广应用,实现能源体系的高效清洁发展。传统被动配电网已逐渐不能满足现有环保要求和电能高质量供应的要求。主动配电网（Active Distribution Network,ADN）通过组合DG、可控负荷、需求侧管理等各种分布式能源,加大了配电网对可再生能源的接受消纳能力、提升了配电网资产利用率、延缓了配电网升级改造,以及提高了电网的电能质量和供电可靠性。因此,研究主动配电网下的分布式能源系统规划运行与效益评价模型,具有重要的理论和现实意义。已有研究为分布式能源系统接入主动配电网的规划运行奠定了基础,而当前的研究多为传统配电网中接入分布式能源的选址定容问题,或者主动配电网的规划问题,同时也少有既考虑需求侧可调控资源又考虑分布式能源系统与大电网交互的研究,缺乏一套针对分布式能源系统投资规划的全过程、全方面的综合评价体系。因此有必要对这些问题进行系统研究。本文基于国内外已有成果,根据我国分布式能源系统发展的实际情况,重点就主动配电网下分布式能源系统的投资规划、优化运行、效益评价、投资模式及保障机制这几大方面进行研究,旨在为相关主体提供分析和决策依据。第一,研究分布式能源系统接入主动配电网的投资规划问题。根据多目标规划理论和方法,从系统年投资成本最小和分布式能源出力切除量最小两个方面建立分布式能源系统接入主动配电网的投资规划目标函数及其约束条件,提出基于COA-EO组合模型的多目标规划求解算法,对北方某地区主动配电网系统分布式能源接入的投资规划进行了实证研究,通过算例验证表明:接入主动配电网的分布式能源系统比不接入主动配电网系统的分布式能源系统年投资综合费用更低、可再生能源消纳更多、系统环境成本更低,接入主动配电网系统的分布式能源规划具有明显的优势。第二,提出兼容需求侧资源的分布式能源系统经济优化运行模型。在需求侧响应模型理论的基础上,主要从发电成本、环境成本以及备用成本三个方面构建模型,并充分考虑分布式能源系统中的电负荷、热负荷和冷负荷。为求解模型,提出量子改进果蝇优化算法（QFOA）。并应用于我国西北地区某分布式能源系统的实际问题中,通过算例对比分析发现,当分布式能源系统参与需求侧负荷优化管理时,系统运行总成本显着降低,能够有效发挥削峰填谷的作用,从而提高了分布式能源的利用效率。第三,提出主动配电网下分布式能源系统双层双阶段调度优化模型。根据双层多目标规划理论以及上一章计及需求侧资源的分布式能源系统经济性运行模型,构建主动配电网双层能量管理下的分布式能源系统双阶段调度优化模型,并提出基于差分改进的帝国竞争优化算法（DE-ICA）。通过对IEEE-33节点系统的算例分析,证明了通过日前调度优化可最大化地促进分布式能源的消纳,降低系统的运行成本,明显提高系统的经济效益;在实时调度中,通过对日前调度的有效修正,可进一步提升分布式能源的有效利用,使得主动配电网系统的上层全局和下层区域调度优化的经济效益得到明显的提升。第四,研究分布式能源系统接入主动配电网的投资规划效益评价。在明确综合评价指标体系构建原则基础上,分别从经济性效益、社会性效益以及技术性效益三方面建立分布式能源系统接入主动配电网的投资规划效益综合评价指标体系。从“历史”、“现在”和“未来”三个时段构建基于组合权重和动态模糊综合评价的投资规划效益综合评价模型。将所提出的评价方法对我国西南某地区能源互联网工业园区的3套分布式能源系统进行了实证研究,并为后续投资规划模式和保障机制的研究提供科学的决策依据。第五,研究我国分布式能源系统投资模式及其保障机制。在总结归纳国外典型区域或国家的分布式能源系统投资运维先进经验的基础上,研究我国分布式能源系统投资模式,分为投资建设阶段和运营维护阶段,并从政策、市场、利益相关者、技术设备及内部运营五个方面构建分布式能源系统投资保障机制,以期为我国分布式能源系统的发展创造更多的有利条件。
董文杰,田廓[8]（2016）在《考虑电动汽车接入的智能配电网投资规划模型》文中研究指明大规模电动汽车接入电网给配电网带来新的挑战,包括影响电网安全可靠性水平、弥补电量缺口、提供容量备用服务等。考虑了智能配电网建设环境下,电动汽车接入对配电网投资规划的影响,以规划期总投资费用最小化、电动汽车二氧化碳排放量最小化为目标,建立多目标智能配电网投资规划模型,并利用改进SPEA算法求解模型,最后以改进IEEE 37节点系统为例,验证了模型的有效性。
阿斯卡尔[9]（2016）在《风电场投资规划及运行优化模型研究》文中研究说明随着世界范围内的环境危机与能源供需关系的不断恶化,不论是发达国家还是发展中国家均面临着较为严峻的能源与环境问题。电力工业作为现代社会发展的重要支撑,其生产与消费受到了各国政府的普遍重视。风力发电作为一种新兴的发电技术,具有低碳、可大量获取的特性,开发风电成为各国改善电力供需结构,降低电力工业污染排放,抑制温室气体排放的重要举措。我国政府非常重视风电开发,积极采取各项支持政策与措施促进风电发展。但是风电在近十年的快速发展中逐渐演化出投资规划与运行方面的诸多问题,比如风电场投资规划无序,并网困难,弃风等。电改9号文在电力体制改革的重要性与迫切性分析中第一个指出当前电力行业的存在的亟需解决的问题就是“交易机制缺失,资源利用效率不高”,主要表现是弃风、弃光、弃水,窝电、缺电等电力系统结构上的问题时有发生。本次电力体制改革的重点内容之一就是解决新能源与可再生能源的开发利用困局,推动新能源与可再生能源无歧视、无障碍公平接入电网,解决问题的手段就是推动电力体制市场化改革。因此本文重点研究了电力市场环境下风电投资规划及运行优化问题。本文以微观经济学理论、现代管理科学理论、系统科学理论和电力系统理论等多学科基础理论为基础,重点应用电力市场经济理论和最优化方法,选取风电场为主要研究对象,从电力市场化改革形势下的风电产业发展面临的基本问题入手,对风电场的的投资规划、优化控制、优化调度、交易决策和协调发展进行研究,为风电产业的健康发展提供技术上和战略上的支撑,促进我国节能减排目标的实现。文章主要进行了以下几个方面的研究:第一,构建了电力市场环境下含风电场的多电源协调规划模型,解决在电力市场环境下的风电场投资规划优化问题。通过计算分析电价、备用容量、可信度等因素对风电场投资规划的影响,优化风电场的投资规划。第二,提出了基于尾流效应的风电场无模型控制优化方法。通过对影响风电场整体效率的因素分析建模,改进复杂风况下无模型控制中的最佳轴向诱导因子的寻优计算,提高风电场的整体运行效率。第三,构建了基于改进寻优空间的遗传算法的风电场随机规划调度模型,从风功率预测误差与随机规划模型入手,建立含风电场的系统调度模型,通过分析模型的结构特点与寻优路径,设计了改进寻优空间的遗传算法求解模型。第四,建立了电力市场环境下的风电场交易决策优化模型,首先分析了风电场参与市场交易的形式,然后从日前电力市场的架构入手,分析风电场参与电力市场交易的可能发生的成本和收益,引入价格因子分析不同情形下的风电场的最佳合约电量,为风电场参与电力市场交易决策提供技术上的支持。第五,进行可再生能源发展协调机制研究,研究含大量风电的电源综合规划协调管理机制与可再生能源外送协调机制,促进不同种电源互补开发利用,促进可再生能源电力消纳。
戚婕[10]（2011）在《基于遗传算法的金融高性能计算》文中研究说明迅猛发展的高性能计算的目前已经成为金融行业的核心竞争力。高性能计算系统的并行计算能力,能够有效提升高频现金流精细分析的效率,实现对海量数据的高速分析与实时处理。本文的主要目的在于对企业融投资现金流进行动态优化,提出了一种结合N-gram分词模型的混合并行遗传算法（Hybrid Parallel Genetic Algorithm, HPGA）,提供基于企业风险预测的高频现金流的实时优化方案。研究工作文章结构安排如下：1.介绍国内外发展现状、主流方法与相关技术与业务发展背景知识；2.运用N-gram语言模型提取企业报表文本特征,分析其文本可读性,利用SVM分类训练,找出企业报表可读性与企业营运状况的相关性,并运用事件分析法找出报表可读性变化与企业现金流风险的关系；3.结合企业报表风险预测值,对企业资金与现金流优化问题进行统计推断建模,使其符合遗传算法优化框架要求,同时合理压缩遗传算法的搜索空间；4.针对已有的并行遗传算法存在的问题,设计结合内存数据库的新型HPGA算法框架,并在高性能计算平台与内存计算平台实现HPGA算法,完成在高频现金流优化问题的应用,大幅提升了运算速度与求解效率。
二、遗传算法在企业最优投资规划中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、遗传算法在企业最优投资规划中的应用（论文提纲范文）
（1）面向能源互联的多能需求响应特性建模及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 综合能源需求响应研究现状 |
| 1.2.2 区域多能耦合优化运行研究现状 |
| 1.2.3 需求侧资源定价及其求解方法研究现状 |
| 1.2.4 区域综合能源系统规划研究现状 |
| 1.3 本文的主要研究工作 |
| 第二章 综合能源需求响应的响应特性建模研究 |
| 2.1 引言 |
| 2.2 基于消费者心理学的IDR响应模型 |
| 2.3 基于电、热系数的IDR响应模型 |
| 2.4 算例分析 |
| 2.5 本章小结 |
| 第三章 综合能源需求响应模型参数辨识研究 |
| 3.1 引言 |
| 3.2 综合能源用户响应模型的参数辨识及校正 |
| 3.3 算例分析 |
| 3.4 本章小结 |
| 第四章 大规模综合能源用户的分时定价策略研究 |
| 4.1 引言 |
| 4.2 基于IDR响应模型的大规模综合能源用户的分时能价比定价流程 |
| 4.3 基于IDR响应模型的大规模综合能源用户的分时能价比定价模型 |
| 4.4 模型求解 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第五章 单区域综合能源系统规划研究 |
| 5.1 引言 |
| 5.2 区域综合能源系统规划模型 |
| 5.2.1 上层模型 |
| 5.2.2 下层模型 |
| 5.3 单区域综合能源系统规划模型的求解方法 |
| 5.3.1 模型降维:将双层模型转化成单层模型 |
| 5.3.2 模型降维:电、气需求函数模型扩展 |
| 5.3.3 模型降维:减少决策变量(设备容量)的个数 |
| 5.3.4 求解一维规划模型:变步长单峰区间搜索 |
| 5.3.5 求解规划模型的总过程 |
| 5.4 算例分析 |
| 5.4.1 算例描述 |
| 5.4.2 算例结果 |
| 5.4.3 不同区域负荷特性对DEH规划和运行的影响 |
| 5.4.4 算法性能 |
| 5.5 本章小结 |
| 第六章 计及与网络运营商互动的多区域综合能源系统规划 |
| 6.1 引言 |
| 6.2 三层规划模型 |
| 6.2.1 第1 层:规划模型 |
| 6.2.2 第2 层:定价模型 |
| 6.2.3 第3 层:单个DEH运行模型 |
| 6.3 模型转化及求解 |
| 6.3.1 三层模型转化成双层模型 |
| 6.3.2 下层模型凸化 |
| 6.3.3 模型求解 |
| 6.3.4 模型复杂度分析 |
| 6.4 算例分析 |
| 6.4.1 算例参数设置 |
| 6.4.2 仿真结果 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表论文和参与科研情况 |
（2）计及不确定性与协同性的微电网项目投资组合优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 微电网项目发展与研究现状 |
| 1.2.2 项目投资组合优化问题研究现状 |
| 1.2.3 项目投资组合优化方法研究现状 |
| 1.3 主要研究内容与技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路径 |
| 1.4 主要研究创新点 |
| 第2章 相关基础理论研究 |
| 2.1 项目组合管理相关理论 |
| 2.1.1 项目组合管理理论的发展 |
| 2.1.2 项目组合管理理论的内涵及流程 |
| 2.2 项目组合优化相关理论 |
| 2.2.1 项目组合优化的原则 |
| 2.2.2 项目投资组合优化的流程 |
| 2.3 项目评估相关模型及方法探讨 |
| 2.3.1 权重确定方法探讨 |
| 2.3.2 综合评估方法探讨 |
| 2.4 组合优化相关模型及方法探讨 |
| 2.4.1 基于精确算法的组合优化探讨 |
| 2.4.2 基于启发式算法的组合优化探讨 |
| 2.4.3 基于机器学习算法的组合优化探讨 |
| 2.5 不确定性理论探讨 |
| 2.6 本章小结 |
| 第3章 计及不确定性的微电网项目战略对应度评估 |
| 3.1 引言 |
| 3.2 微电网项目战略对应评估指标体系研究 |
| 3.2.1 能源电力企业战略分析 |
| 3.2.2 战略目标的指标分解 |
| 3.3 微电网项目战略对应度评估研究 |
| 3.3.1 微电网项目不确定性分析 |
| 3.3.2 云模型理论 |
| 3.3.3 云层次分析法 |
| 3.3.4 改进的云PROMETHEE-Ⅱ算法 |
| 3.4 算例分析 |
| 3.4.1 项目简介 |
| 3.4.2 指标数据收集及计算 |
| 3.4.3 指标权重计算 |
| 3.4.4 战略对应度评估结果 |
| 3.5 本章小结 |
| 第4章 计及不确定性和协同性的静态投资组合优化 |
| 4.1 引言 |
| 4.2 微电网项目静态投资组合优化模型特点分析 |
| 4.2.1 传统微电网项目静态投资组合优化模型 |
| 4.2.2 计及不确定性的微电网项目静态投资组合优化模型 |
| 4.2.3 计及不确定性和协同性的微电网项目静态投资组合优化模型 |
| 4.3 微电网项目间协同性模型构建 |
| 4.3.1 微电网项目协同因素识别 |
| 4.3.2 基于模糊测度和云Choquet积分的微电网项目协同性刻画 |
| 4.4 基于线性化处理和分支定界法的项目静态投资组合优化研究 |
| 4.4.1 线性化处理方法 |
| 4.4.2 分枝定界法 |
| 4.5 算例分析 |
| 4.5.1 项目简介 |
| 4.5.2 项目协同度计算 |
| 4.5.3 求解结果 |
| 4.6 本章小结 |
| 第5章 计及不确定性和协同性的动态投资组合优化 |
| 5.1 引言 |
| 5.2 微电网项目动态投资组合优化模型构建 |
| 5.2.1 微电网项目动态性问题阐述 |
| 5.2.2 动态投资组合优化模型构建 |
| 5.3 改进差分进化算法研究 |
| 5.3.1 标准差分进化算法 |
| 5.3.2 差分进化算法的改进 |
| 5.3.3 算法性能测试 |
| 5.4 算例分析 |
| 5.4.1 项目简介 |
| 5.4.2 项目协同度计算 |
| 5.4.3 求解结果 |
| 5.5 本章小结 |
| 第6章 计及不确定性和协同性的多阶段动态投资组合优化 |
| 6.1 引言 |
| 6.2 基于实物期权的微电网项目最佳投资时机分析 |
| 6.2.1 实物期权及微电网项目的实物期权特性分析 |
| 6.2.2 微电网项目最佳投资时机确定模型 |
| 6.3 基于多智能体强化学习的多阶段动态投资组合研究 |
| 6.3.1 微电网项目多阶段动态投资问题阐述 |
| 6.3.2 强化学习与Q-学习算法 |
| 6.3.3 多智能体强化学习与纳什Q-学习算法 |
| 6.4 算例分析 |
| 6.4.1 项目简介 |
| 6.4.2 项目投资时机确定 |
| 6.4.3 求解结果 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）政府投资光伏扶贫项目区域优选方法及其规划模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光伏扶贫项目研究现状 |
| 1.2.2 实施区域优选方法研究现状 |
| 1.2.3 项目规划决策模型研究现状 |
| 1.3 主要研究内容和技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 减贫相关理论 |
| 2.1.1 贫困定义与划分标准 |
| 2.1.2 社会主义贫困理论内在逻辑 |
| 2.2 风险决策相关理论 |
| 2.2.1 风险决策的基本概念 |
| 2.2.2 关键理论及其演化路径 |
| 2.3 规划模型相关理论 |
| 2.3.1 数学规划模型的基本内涵 |
| 2.3.2 条件约束与组合优化模型 |
| 2.3.3 效率测度模型及其延展 |
| 2.4 本章小结 |
| 第3章 政府投资光伏扶贫项目政策及投资机理 |
| 3.1 光伏扶贫项目基本内涵 |
| 3.3.1 光伏扶贫项目的基本特征 |
| 3.3.2 考虑利益相关方的项目目标 |
| 3.3.3 影响目标实现的关键问题 |
| 3.2 结合项目内涵的相关政策分析 |
| 3.2.1 基于时序规律的政策特征梳理 |
| 3.2.2 基于政策特征的政策引导作用 |
| 3.3 政策引导下光伏扶贫项目投资机理研究 |
| 3.3.1 项目利益相关方的组织架构 |
| 3.3.2 光伏扶贫项目的建设类型 |
| 3.3.3 光伏扶贫项目的融资模式 |
| 3.4 本章小结 |
| 第4章 政策引导下光伏扶贫项目实施区域优选方法 |
| 4.1 关键影响因素识别与分析 |
| 4.1.1 因素挖掘思路与原则 |
| 4.1.2 关键影响因素识别与挖掘 |
| 4.1.3 实施区域优选指标体系 |
| 4.2 直觉模糊环境的因素评估值采集 |
| 4.2.1 评估值类型及采集流程 |
| 4.2.2 直觉模糊环境的评估值确定方法 |
| 4.3 直觉模糊主客观组合权重计算 |
| 4.3.1 权重确定方法介绍与分析 |
| 4.3.2 直觉模糊环境的组合定权方法 |
| 4.4 基于TODIM集结框架的区位优选排序 |
| 4.4.1 信息集结及排序技术特点 |
| 4.4.2 直觉模糊环境的TODIM优选排序方法 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第5章 基于非支配排序遗传算法的组合优化模型构建 |
| 5.1 光伏扶贫项目组合优化特点及内涵 |
| 5.1.1 项目组合管理及其内涵 |
| 5.1.2 光伏扶贫项目组合优化特征 |
| 5.2 光伏扶贫项目组合优化模型设计 |
| 5.2.1 模型的基本假设 |
| 5.2.2 多维“目标—约束”组合优化模型构建 |
| 5.3 算法分析及优化 |
| 5.3.1 优化求解算法内涵及分类 |
| 5.3.2 多目标遗传算法适用性分析 |
| 5.3.3 改进的非支配遗传算法 |
| 5.4 算法性能测试及算例分析 |
| 5.4.1 算法性能测试 |
| 5.4.2 算例分析 |
| 5.5 本章小结 |
| 第6章 基于公平与效率理论的规划方案优选模型构建 |
| 6.1 光伏扶贫项目公平与效率特质分析 |
| 6.1.1 项目全寿命周期公平与效率表征 |
| 6.1.2 项目干系人视角下公平与效率诉求 |
| 6.1.3 公平与效率理论适用性 |
| 6.2 光伏扶贫项目规划方案优选模型设计 |
| 6.2.1 模型基本假设 |
| 6.2.2 变量分析及选择 |
| 6.2.3 优选模型设计与构建 |
| 6.3 算法分析与优化 |
| 6.3.1 聚类分析算法介绍 |
| 6.3.2 数据包络分析算法描述 |
| 6.3.3 考虑数据纠偏的组合求解算法 |
| 6.4 算例分析 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）面向高比例风电并网的输电网鲁棒扩展规划及运行优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 可再生能源及风电的发展状况 |
| 1.1.2 高比例风电并网对我国输电网规划及运行备用影响 |
| 1.2 国内外研究现状 |
| 1.2.1 含高比例风电系统的输电网规划及运行优化研究关键问题 |
| 1.2.2 风电预测出力及误差建模研究现状 |
| 1.2.3 含风电并网的输电网规划及运行备用研究现状 |
| 1.3 本文工作 |
| 第二章 鲁棒优化理论与算法基础 |
| 2.1 引言 |
| 2.2 鲁棒优化的理论基础 |
| 2.2.1 不确定集合 |
| 2.2.2 静态鲁棒优化 |
| 2.2.3 动态鲁棒优化 |
| 2.3 算法基础 |
| 2.3.1 分解算法 |
| 2.3.2 遗传算法 |
| 本章小结 |
| 第三章 基于极限场景的输电网鲁棒扩展规划 |
| 3.1 引言 |
| 3.2 考虑风电接入的输电网扩展规划模型 |
| 3.2.1 目标函数 |
| 3.2.2 约束条件 |
| 3.2.3 模型转化 |
| 3.3 基于极限场景的两阶段输电网鲁棒规划 |
| 3.4 模型求解 |
| 3.4.1 基于Benders分解的两阶段输电网规划 |
| 3.4.2 算法流程 |
| 3.5 算例分析 |
| 3.5.1 Garver-6 系统 |
| 3.5.2 IEEE RTS-79 系统 |
| 3.6 本章小结 |
| 第四章 基于概率驱动的输电网鲁棒扩展规划 |
| 4.1 引言 |
| 4.2 风电出力随机概率刻画 |
| 4.2.1 风电出力场景生成 |
| 4.2.2 风电场景概率不确定集 |
| 4.3 基于概率驱动的输电网鲁棒扩展规划模型 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件 |
| 4.4 模型求解方法 |
| 4.4.1 概率不确定集线性化方法 |
| 4.4.2 所提的可并行 C&CG 算法 |
| 4.5 算例分析 |
| 4.5.1 算例描述 |
| 4.5.2 Garver’s6 系统 |
| 4.5.3 中国西北电网系统 |
| 4.6 本章小结 |
| 第五章 考虑风电不确定度的风-火-水-气-核-抽水蓄能多源协同鲁棒备用优化 |
| 5.1 引言 |
| 5.2 风电的不确定性刻画 |
| 5.2.1 风电不确定集模型 |
| 5.2.2 风电出力误差概率模型 |
| 5.2.3 期望风险成本模型 |
| 5.3 多类型电源机组协同鲁棒旋转备用模型 |
| 5.3.1 优化目标 |
| 5.3.2 多类型机组运行约束 |
| 5.4 双层优化算法 |
| 5.4.1 模型特点与分析 |
| 5.4.2 机组备用模型线性松弛化 |
| 5.4.3 算法流程 |
| 5.5 算例分析 |
| 5.5.1 算例描述 |
| 5.5.2 各类型机组出力结果 |
| 5.5.3 不同备用方法的成本结果对比 |
| 5.5.4 风电的预测精度对优化结果的影响 |
| 5.5.5 切负荷成本系数对优化结果的影响 |
| 5.5.6 不同调峰特性下的结果对比 |
| 5.5.7 双层优化算法的收敛性能 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
| 附件 |
（5）基于最优潮流计算的多调度场景省级电网输电投资方案效益评估（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 投资方案综合效益评估指标体系研究现状 |
| 1.2.2 投资方案综合效益评估流程研究现状 |
| 1.3 论文主要研究内容及思路 |
| 1.4 论文的组织结构 |
| 2 输电网投资方案评估及其影响因素 |
| 2.1 输电网投资方案评估概述 |
| 2.1.1 输电网投资方案综合效益评估原则 |
| 2.1.2 输电网投资方案综合效益评估流程 |
| 2.2 输电网投资规划方案评估影响因素分析 |
| 2.2.1 安全稳定性因素 |
| 2.2.2 经济高效性因素 |
| 2.2.3 绿色低碳性因素 |
| 2.3 本章小结 |
| 3 电网投资方案综合效益评估指标体系及模型建立 |
| 3.1 评估指标体系建立原则 |
| 3.2 关键评估指标选取及模型建立 |
| 3.2.1 安全稳定指标及模型建立 |
| 3.2.2 经济高效指标及模型建立 |
| 3.2.3 绿色低碳指标及模型建立 |
| 3.3 本章小结 |
| 4 电网投资方案综合效益评估流程 |
| 4.1 输电网投资方案效益评估流程 |
| 4.2 输入参数与边界条件设置 |
| 4.2.1 输入参数 |
| 4.2.2 边界条件 |
| 4.3 场景设置 |
| 4.3.1 典型运行方式 |
| 4.3.2 调度模式 |
| 4.3.3 可靠性约束 |
| 4.4 指标评估计算方法 |
| 4.4.1 最优潮流计算原理 |
| 4.4.2 多调度模式下最优潮流计算 |
| 4.5 本章小结 |
| 5 输电投资方案综合效益评估实例分析 |
| 5.1 电网静态参数等值 |
| 5.1.1 等值变换原理 |
| 5.1.2 等值变换实例验证 |
| 5.1.3 等值前后网架结构与潮流计算结果对比 |
| 5.2 等值后电网结构与参数设置 |
| 5.2.1 发电结构与参数 |
| 5.2.2 输电结构与参数 |
| 5.2.3 用电结构与参数 |
| 5.2.4 省间电力交互参数 |
| 5.3 场景设置 |
| 5.4 待评估投资方案 |
| 5.5 指标体系评估结果 |
| 5.6 本章小结 |
| 6 多场景仿真结果的精益化评估 |
| 6.1 当前调度模式下电网投资方案效益评估 |
| 6.1.1 安全可靠效益 |
| 6.1.2 经济高效效益 |
| 6.1.3 绿色低碳效益 |
| 6.2 市场环境对电网投资决策的影响 |
| 6.3 输配电环节碳减排贡献识别 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）不同减排政策下工业企业低碳技术升级策略的建模优化（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究思路、主要内容与技术路线 |
| 1.3 论文的结构框架 |
| 第2章 相关文献综述 |
| 2.1 减排政策对企业的影响 |
| 2.1.1 “碳税”对企业的影响 |
| 2.1.2 “碳交易”对企业的影响 |
| 2.1.3 “行政管制”对企业的影响 |
| 2.2 企业碳减排管理策略 |
| 2.2.1 生产经营管理 |
| 2.2.2 低碳技术管理 |
| 2.2.3 低碳供应链管理 |
| 2.3 企业碳减排决策的优化方法 |
| 2.3.1 数学规划理论 |
| 2.3.2 多Agent系统理论 |
| 2.3.3 遗传算法理论 |
| 2.4 现有文献存在的问题 |
| 第3章 行政管制政策下企业低碳技术选择策略研究 |
| 3.1 行政管制政策下企业低碳技术选择策略的识别与建模 |
| 3.1.1 低碳技术策略的界定 |
| 3.1.2 研究的系统边界与基本假设 |
| 3.1.3 待解决的主要研究问题 |
| 3.1.4 行政管制政策下企业低碳技术选择策略的优化模型 |
| 3.2 改进的“多Agent系统-遗传算法”方法(IMASGA) |
| 3.2.1 多Agent系统模块(MAS) |
| 3.2.2 遗传算法模块(GA) |
| 3.2.3 MAS模块与GA模块的耦合 |
| 3.2.4 IMASGA方法的改进之处 |
| 3.2.5 基于IMASGA方法的软件开发 |
| 3.3 数值算例验证与讨论 |
| 3.3.1 数值算例的构造方法 |
| 3.3.2 数值算例描述及参数假设 |
| 3.3.3 数值算例的计算结果 |
| 3.3.4 讨论与分析 |
| 3.4 行政管制政策下企业低碳技术的选择策略 |
| 3.5 本章小结 |
| 第4章 碳税政策下企业技术升级策略的优化研究 |
| 4.1 碳税政策下企业技术升级策略优化问题的识别 |
| 4.1.1 技术升级策略的界定 |
| 4.1.2 研究的系统边界与基本假设 |
| 4.1.3 待解决的主要研究问题 |
| 4.2 碳税政策下企业技术升级策略的优化模型及其求解方法 |
| 4.2.1 优化模型的构建 |
| 4.2.2 求解方法的改造 |
| 4.3 数值算例验证与讨论 |
| 4.3.1 数值算例描述 |
| 4.3.2 数值算例的计算结果 |
| 4.3.3 鲁棒性分析 |
| 4.3.4 碳税税率对企业技术升级策略的影响 |
| 4.3.5 期望成本对企业技术升级策略的影响 |
| 4.4 碳税政策下企业技术升级策略的优化模式 |
| 4.5 本章小结 |
| 第5章 碳税政策下供应链中非对等企业间低碳技术合作策略的优化研究 |
| 5.1 碳税政策下供应链中非对等企业间低碳技术合作问题的识别 |
| 5.1.1 合作策略的界定 |
| 5.1.2 研究的系统边界与基本假设 |
| 5.1.3 待解决的主要研究问题 |
| 5.2 碳税政策下供应链中非对等企业间低碳技术合作策略的优化模型及求解方法 |
| 5.2.1 主要变量及其解释 |
| 5.2.2 独立减排模型 |
| 5.2.3 合作减排模型 |
| 5.2.4 基于多Agent系统的求解方法(MASE) |
| 5.2.5 基于MASE方法的软件开发 |
| 5.3 数值算例验证与讨论 |
| 5.3.1 数值算例的描述 |
| 5.3.2 独立减排模型的计算结果 |
| 5.3.3 合作减排模型的计算结果 |
| 5.3.4 结果讨论与分析 |
| 5.4 碳税政策下供应链中非对等企业间低碳技术合作策略的优化模式 |
| 5.5 本章小结 |
| 第6章 碳交易政策下供应链中非对等企业间低碳技术合作策略的优化研究 |
| 6.1 碳交易政策下供应链中非对等企业间低碳技术合作问题的识别 |
| 6.1.1 研究的系统边界 |
| 6.1.2 研究的基本假设 |
| 6.1.3 待解决的主要研究问题 |
| 6.2 碳交易政策下供应链非对等企业间低碳技术合作策略的优化模型及求解方法 |
| 6.2.1 主要变量及其解释 |
| 6.2.2 独立减排模型 |
| 6.2.3 合作减排模型 |
| 6.2.4 独立减排模型的求解方法 |
| 6.2.5 合作减排模型的求解方法 |
| 6.3 数值算例验证与讨论 |
| 6.3.1 数值算例的描述 |
| 6.3.2 独立减排模型的计算结果 |
| 6.3.3 合作减排模型的计算结果 |
| 6.3.4 碳交易政策和碳税政策对企业技术升级策略的影响比较 |
| 6.4 碳交易政策下供应链中非对等企业间低碳技术合作策略的优化模式 |
| 6.5 本章小结 |
| 第7章 全文总结与展望 |
| 7.1 研究的主要结论 |
| 7.2 研究的主要创新工作 |
| 7.3 研究的启示与建议 |
| 7.4 研究的局限与展望 |
| 参考文献 |
| 附录 |
| 附录A 第3章算例的原始数据和部分计算结果 |
| 附录B 第5章和第6章算例的原始数据 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
| 作者简介 |
（7）主动配电网下分布式能源系统规划运行及效益评价研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及其意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究动态 |
| 1.2.1 分布式能源系统投资规划研究现状 |
| 1.2.2 分布式能源系统优化运行研究 |
| 1.2.3 分布式能源系统效益评价研究 |
| 1.2.4 分布式能源系统投资模式研究及保障机制研究 |
| 1.3 研究内容 |
| 1.3.1 研究总体思路 |
| 1.3.2 具体研究内容 |
| 1.4 创新点 |
| 第2章 分布式能源规划运行相关理论基础 |
| 2.1 主动配电网理论 |
| 2.2 多目标规划理论 |
| 2.2.1 多目标规划基本模型 |
| 2.2.2 双层多目标规划理论 |
| 2.3 需求侧响应模型 |
| 2.4 本章小结 |
| 第3章 分布式能源系统接入主动配电网的投资规划模型研究 |
| 3.1 分布式能源接入主动配电网的投资规划模型 |
| 3.1.1 系统介绍 |
| 3.1.2 投资规划目标函数 |
| 3.1.3 分布式发电功率输出模型 |
| 3.1.4 Pareto最优解定义 |
| 3.2 基于COA-EO混合优化算法多目标求解算法 |
| 3.2.1 极值动力学优化算法(EO) |
| 3.2.2 混沌优化算法(COA) |
| 3.2.3 COA-EO组合算法流程及步骤 |
| 3.3 实证分析 |
| 3.4 本章小结 |
| 第4章 兼容需求侧资源的分布式能源系统经济优化运行模型研究 |
| 4.1 系统结构及运行框架 |
| 4.2 计及DR的分布式能源系统经济优化运行模型 |
| 4.2.1 目标函数 |
| 4.2.2 约束条件 |
| 4.3 多目标决策算法研究 |
| 4.3.1 果蝇优化算法 |
| 4.3.2 量子改进算法 |
| 4.3.3 量子果蝇算法 |
| 4.4 基于QFOA算法的分布式能源经济优化运行流程及步骤 |
| 4.5 实证研究 |
| 4.6 本章小结 |
| 第5章 主动配电网下分布式能源系统双层双阶段调度优化模型研究 |
| 5.1 分布式能源系统双层两阶段调度优化模型 |
| 5.1.1 双层双阶段调度系统 |
| 5.1.2 日前调度优化模型 |
| 5.1.3 实时调度优化模型 |
| 5.2 多目标求解算法研究 |
| 5.2.1 差分进化算法 |
| 5.2.2 帝国竞争优化算法 |
| 5.2.3 基于差分改进的帝国竞争优化算法 |
| 5.3 改进ICA模型在双阶段调度中的应用 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 第6章 分布式能源系统投资规划效益动态模糊综合评价研究 |
| 6.1 综合评价指标体系 |
| 6.1.1 指标体系建立的原则 |
| 6.1.2 综合评价指标体系 |
| 6.2 基于DEMATEL-AHP与经验熵权的组合权重模型 |
| 6.2.1 DEMATEL-AHP的权重确定 |
| 6.2.2 基于经验熵权的权重确定 |
| 6.2.3 组合权重的确定 |
| 6.3 动态模糊综合评价方法 |
| 6.3.1 隶属函数的确定 |
| 6.3.2 动态模糊综合评价流程 |
| 6.4 实证分析 |
| 6.4.1 算例描述 |
| 6.4.2 指标权重确定 |
| 6.4.3 动态模糊综合评价 |
| 6.5 本章小结 |
| 第7章 我国分布式能源系统投资模式及其保障机制研究 |
| 7.1 国外分布式能源系统运营机制研究 |
| 7.1.1 分布式能源系统投资建设模式 |
| 7.1.2 分布式能源系统运维模式 |
| 7.1.3 国外分布式能源系统发展经验 |
| 7.2 我国分布式能源系统投资模式研究 |
| 7.2.1 投资建设阶段模式 |
| 7.2.2 运营维护阶段模式 |
| 7.3 我国分布式能源系统保障机制研究 |
| 7.3.1 分布式能源系统投资风险识别 |
| 7.3.2 分布式能源系统投资保障机制 |
| 7.4 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（8）考虑电动汽车接入的智能配电网投资规划模型（论文提纲范文）
| 0 引言 |
| 1 考虑电动汽车接入的智能配电网投资规划模型 |
| 2 模型求解 |
| 3 算例分析 |
| 4 结论 |
（9）风电场投资规划及运行优化模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 国内外研究动态 |
| 1.2.1 风电发展现状 |
| 1.2.2 风电场投资规划研究现状 |
| 1.2.3 风电场控制研究现状 |
| 1.2.4 风电场调度研究现状 |
| 1.2.5 风电场交易决策研究现状 |
| 1.2.6 风电投资规划与利用协调机制研究现状 |
| 1.3 研究内容及创新点 |
| 1.3.1 总体研究框架 |
| 1.3.2 具体研究内容 |
| 1.3.3 研究难点 |
| 1.3.4 主要成果及创新点 |
| 第2章 新形势下风电产业面临的基本问题研究 |
| 2.1 引言 |
| 2.2 外部环境新形势 |
| 2.2.1 电力体制改革与风电产业 |
| 2.2.2 能源互联网与风电产业 |
| 2.3 我国风电开发利用存在的问题 |
| 2.3.1 风电场统一规划 |
| 2.3.2 风电场的并网运行 |
| 2.3.3 相关标准体系与体制机制问题 |
| 2.4 本章小结 |
| 第3章 电力市场环境下含风电场的多电源协调投资规划模型研究 |
| 3.1 引言 |
| 3.2 含风电场的系统电源投资规划模型 |
| 3.3 电源投资建设需求建模 |
| 3.3.1 电力负荷建模 |
| 3.3.2 常规技术的发电调度建模 |
| 3.3.3 风电出力特性建模 |
| 3.3.4 收益期望与投资 |
| 3.3.5 开发容量优化模型 |
| 3.4 仿真结果与分析 |
| 3.4.1 电力市场分析 |
| 3.4.2 仿真结论 |
| 3.5 本章小结 |
| 第4章 风电场无模型控制策略优化方法研究 |
| 4.1 引言 |
| 4.2 风电机组建模及其特性分析 |
| 4.2.1 风电机组建模 |
| 4.2.2 风电机组最大功率点跟踪控制及功率特性 |
| 4.3 风电场建模 |
| 4.3.1 风电机组的有功功率 |
| 4.3.2 尾流模型 |
| 4.3.3 尾流影响 |
| 4.4 改进风电场的无模型控制策略 |
| 4.4.1 风电机组控制策略分析 |
| 4.4.2 风电机组优化步长最大功率跟踪控制 |
| 4.4.3 改进步长寻优方法 |
| 4.5 改进的无模型风电仿真与算例分析 |
| 4.5.1 仿真分析 |
| 4.5.2 仿真结果分析 |
| 4.6 本章小结 |
| 第5章 基于改进寻优空间的遗传算法的风电随机规划调度方法研究 |
| 5.1 引言 |
| 5.2 风功率预测技术与随机规划 |
| 5.2.1 风电场功率预测分类 |
| 5.2.2 短期风功率预测原理和方法 |
| 5.2.3 风功率预测误差 |
| 5.2.4 随机规划 |
| 5.3 考虑风功率预测误差的调度模型 |
| 5.3.1 目标函数 |
| 5.3.2 约束条件 |
| 5.4 模型求解算法 |
| 5.4.1 遗传算法 |
| 5.4.2 风速预测误差分布的随机模拟 |
| 5.4.3 基于改进寻优空间的遗传算法 |
| 5.5 仿真与结论 |
| 5.5.1 仿真对象 |
| 5.5.2 仿真结果 |
| 5.6 本章小结 |
| 第6章 电力市场环境下的风电场交易决策模型研究 |
| 6.1 引言 |
| 6.2 日前交易市场 |
| 6.2.1 日前电力市场架构 |
| 6.2.2 风电场参与的日前电力市场 |
| 6.3 风电场建模与市场交易市场 |
| 6.3.1 风电场出力建模 |
| 6.3.2 交易市场架构 |
| 6.4 电力市场环境下风电场交易决策模型 |
| 6.4.1 含风电场的电力市场交易模型 |
| 6.4.2 引入供给价格弹性的风电场交易电价模型 |
| 6.4.3 最优合约中的竞价电量数量优化 |
| 6.4.4 计及成本的交易合约优化 |
| 6.5 算例分析与结论 |
| 6.5.1 风功率分布建模 |
| 6.5.2 交易分析及优化结果 |
| 6.6 本章小结 |
| 第7章 可再生能源协调发展管理机制研究 |
| 7.1 引言 |
| 7.2 规划协调管理机制研究 |
| 7.2.1 并网综合规划协调管理机制的基本框架 |
| 7.2.2 多管理部门间的规划协调性研究 |
| 7.2.3 可再生能源电源规划与电网规划的协调性研究 |
| 7.2.4 可再生能源电源规划与调峰电源规划的协调性研究 |
| 7.2.5 可再生能源电源规划与电力消纳的协调性研究 |
| 7.3 有序并网与外送协调管理机制研究 |
| 7.3.1 风-光等多种可再生能源有序并网协调管理机制研究 |
| 7.3.2 可再生能源与常规能源有序并网协调管理机制研究 |
| 7.3.3 可再生能源与大规模电力储能设备有序并网协调管理机制研究 |
| 7.4 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）基于遗传算法的金融高性能计算（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 主要研究工作 |
| 1.4 论文组织结构 |
| 第二章 相关研究工作 |
| 2.1 高频现金流分析 |
| 2.1.1 企业现金流管理 |
| 2.1.2 高频现金流特点分析 |
| 2.1.3 现金流管理系统优化难点 |
| 2.2 供应链金融管理系统 |
| 2.2.1 发展历史 |
| 2.2.2 存贷信息服务 |
| 2.3 高性能计算技术研究现状 |
| 2.3.1 计算机集群系统 |
| 2.3.2 共享内存多核计算机系统 |
| 2.3.3 通用计算图形处理单元 |
| 2.4 并行遗传算法研究现状 |
| 第三章 金融风险模型 |
| 3.1 引言 |
| 3.2 关键绩效指标 |
| 3.2.1 流动性风险评估 |
| 3.2.2 杠杆/偿债风险评估 |
| 3.2.3 运动风险评估 |
| 3.3 ALTMAN Z-SCORE模型 |
| 3.3.1 经典Z-Score模型 |
| 3.3.2 非上市企Z-Score模型 |
| 3.3.3 针对非制造企业与新兴市场信贷Z-Score模型 |
| 3.3.4 Z_(China)-Score |
| 3.4 本章小结 |
| 第四章 基于自然语言处理的企业风险评级 |
| 4.1 引言 |
| 4.2 企业报表数据特征与预处理 |
| 4.2.1 数据来源 |
| 4.2.2 数据特征与数据清洗 |
| 4.3 企业报表自然语言特性分析 |
| 4.3.1 统计语言建模 |
| 4.3.2 N-gram随机语言模型 |
| 4.3.3 语言模型的平滑技术 |
| 4.3.4 基于N-gram模型的词法分析 |
| 4.4 企业报表可读性分析 |
| 4.4.1 文本可读性与衡量指标 |
| 4.4.2 自然语言可读性计算 |
| 4.4.3 可读性特征集选取 |
| 4.5 企业报表风险情绪自动检测 |
| 4.5.1 事件分析法 |
| 4.5.2 基于SVM的语言特征分类 |
| 4.6 实验结果 |
| 4.6.1 语料库基础数据分析 |
| 4.6.2 特征分类 |
| 4.7 本章小结 |
| 第五章 混合式并行遗传算法 |
| 5.1 内存计算体系结构 |
| 5.2 输入输出 |
| 5.3 混合并行遗传算法框架 |
| 5.4 染色体数据结构 |
| 5.4.1 借贷融资规划染色体 |
| 5.4.2 投资组合规划染色体 |
| 5.4.3 集成借贷与投资规划的染色体 |
| 5.5 遗传算法搜索空间分析与压缩策略 |
| 5.6 进化方法与参数 |
| 5.6.1 初始种群生成 |
| 5.6.2 适应度计算 |
| 5.6.3 变异与交叉方法 |
| 5.6.4 子代选择 |
| 5.6.5 参数选择 |
| 5.7 本章小结 |
| 第六章 实验设计与结果 |
| 6.1 实验设置 |
| 6.2 实验平台 |
| 6.3 实验结果 |
| 6.3.1 优化结果对比 |
| 6.3.2 适应度增长状况 |
| 6.3.3 并行效率 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 可扩展工作与展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
四、遗传算法在企业最优投资规划中的应用（论文参考文献）
- [1]面向能源互联的多能需求响应特性建模及应用研究[D]. 赵楠. 东南大学, 2020(02)
- [2]计及不确定性与协同性的微电网项目投资组合优化研究[D]. 许传博. 华北电力大学(北京), 2020(06)
- [3]政府投资光伏扶贫项目区域优选方法及其规划模型研究[D]. 柯毅明. 华北电力大学(北京), 2020(06)
- [4]面向高比例风电并网的输电网鲁棒扩展规划及运行优化研究[D]. 梁子鹏. 华南理工大学, 2019(01)
- [5]基于最优潮流计算的多调度场景省级电网输电投资方案效益评估[D]. 张丹丹. 南京理工大学, 2019(06)
- [6]不同减排政策下工业企业低碳技术升级策略的建模优化[D]. 何森雨. 北京理工大学, 2018(06)
- [7]主动配电网下分布式能源系统规划运行及效益评价研究[D]. 彭丽霖. 华北电力大学(北京), 2017(05)
- [8]考虑电动汽车接入的智能配电网投资规划模型[J]. 董文杰,田廓. 陕西电力, 2016(09)
- [9]风电场投资规划及运行优化模型研究[D]. 阿斯卡尔. 华北电力大学(北京), 2016(03)
- [10]基于遗传算法的金融高性能计算[D]. 戚婕. 中南大学, 2011(03)