一、高层建筑电力负荷的特点及其量值的模糊数学算法（论文文献综述）
张博深[1]（2021）在《基于机器学习方法的住宅工程成本估算研究》文中进行了进一步梳理
田野[2]（2021）在《基于改进的多层次模糊综合评价风电项目风险评估与应用》文中进行了进一步梳理世界各国对化石能源大量的不合理使用,加剧了全球环境问题和能源危机,目前对于风能等新能源的开发利用成为了一种必然趋势。风能属于一种可再生的清洁能源,在国家的鼓励和支持下,风电产业得到迅速发展,十四五期间我国将持续加大风电等绿色能源产业的投资力度。风电项目投资建设运营是一个复杂的系统工程,具有投入资金大、建设周期长、协调运营难、专业要求高等诸多显着特点,项目进行过程中存在各种风险,因此开展风电项目的风险管理研究,具有十分重要的价值。本研究采用资料搜集咨询调研、改进的多层次模糊综合评价及决策树算法模型等方法,对20个风项目的可行性报告和其他相关资料进行了综合分析,识别得出风电建设项目中存在的风险因素;提取样本的风险指标,并根据指标体系建立原则,建立风险评价指标体系;通过改进的多层次模糊综合评价方法,确定各指标的权重大小,在此基础上,计算各风险指标和项目整体指标的风险大小;运用决策树算法,对计算数据进行模型训练,提出风电项目风险评价决策树判断逻辑和项目整体评价结果;通过工程实际案例对改进的多层次模糊综合评价方法和风电项目风险评价决策树模型进行实例验证,并对其风险指标进行敏感性分析;最终提出针对风电项目风险应对的技术措施。具体工作内容如下:（1）在参考大量学者相关研究基础上,综合分析对比多个风电项目关键资料,将风电项目总体风险作为目标层,分类辨识提出自然风险、经济风险、政策风险、建设风险四类中间层风险指标和气象风险、风电消纳、电价政策、设计风险等13个底层风险指标,建立风电建设项目风险评价指标体系。（2）通过对多种风险评价方法的优缺点对比分析,在权重构建过程中,采用改进的多层次模糊综合评价法,将粗糙集理论确定的风险指标的客观权重与层次分析法确定指标的主观权重结合,通过组合权重的方式,改进层次分析法权重主观性缺点,基于改进的多层次模糊综合评价方法,对多个风电项目进行综合性风险评价。（3）基于多个项目的组合权重风险评分,运用决策树算法对13个底层指标、4个中间层指标、4个自然风险指标类、3个经济风险指标类、2政策风险指标类、4个建设风险指标类,从6个角度建立风电项目的风险评价决策树训练模型。（4）通过实际案例,验证改进的多层次模糊综合评价法和风电建设项目的风险评价决策树训练模型有效性,在此基础上对案例各风险指标进行敏感性分析,设计风电建设项目的风险评价决策树判断系统,最终提出风电建设项目各类风险的技术应对措施。本研究运用改进的多层次模糊综合评价方法和风电建设项目决策树训练模型,对风电建设项目进行综合性风险评价,并提出相应风险的技术应对措施,具有一定创新性,可为风电建设项目的风险管理,提供决策参考。
陈威[3]（2021）在《基于粗糙集和深度学习的建筑能耗预测研究》文中研究说明高效准确的建筑能耗预测能改善电力系统的管理和提高建筑的能源利用率。然而建筑能耗影响因素众多且冗杂,各因素与建筑总能耗的潜在关系模糊且难以明确,这在一定程度上限制了建筑能耗的准确预测。而粗糙集理论正是一种善于处理不确定性知识的工具,它将有助于找到影响建筑能耗的关键因素。另外,随着人工神经网络的不断发展,智能算法中最新出现的深度学习技术具备了“深度”架构和强大的特征提取能力,引入它来参与建筑能耗预测将很有希望提高预测准确度。本项研究使用来自100座民用公共建筑的100套数据进行粗糙集属性约简,然后从大连一所大学的实验室建筑中收集了将近一年的能耗数据来训练和测试深度置信神经网络。具体实验过程为首先通过粗糙集找到重要建筑能耗影响因子,随后将这些关键因素将作为深度神经网络的输入,建筑总能耗作为深度神经网络输出,对大连地区某高校的一栋实验楼进行包括短期和中期的几种不同形式的建筑能耗预测。并将深度神经网络的预测结果与BP,Elman,模糊这三种典型的传统神经网络的预测结果进行对比,研究该模型的计算精度表现。结果表明,基于粗糙集和深度学习的建筑能耗预测方法准确有效,具有较高的实用性,该模型的建立可以为建筑能耗预测带来一种切实可行的解决方案。
邓兴波[4]（2020）在《CFG桩复合地基智能优化设计系统开发研究》文中指出CFG桩复合地基处理方案设计是一个非常复杂的过程,其影响因素众多,计算繁琐,相关理论研究也很滞后。在实际工程中,CFG桩复合地基方案设计通常采用试算法与经验法相结合的方法,先根据以往工程经验提出几个设计方案,再验算方案是否满足设计规范和工程要求,最终从满足要求的方案中选择较为经济的方案作为最终实施方案。这一设计过程耗费大量的时间与人力,且得不到最经济的方案。近年来随着计算机信息技术的发展,为CFG桩复合地基处理方案设计提供了新思路,促进了CFG桩复合地基处理方案的智能化发展。本文在深入研究CFG桩复合地基设计领域知识体系的基础上,利用优化算法、非参数回归法、模糊层次分析法、人工神经网络等理论,借助程序语言开发一个能够辅助工程设计人员进行快速实现CFG桩复合地基处理方案智能优化设计的系统,主要工作及结论如下:1.深入研究了CFG桩复合地基设计领域知识,进行了知识构成要素分析,提取出关键知识要素,由此绘制实体联系图并构建领域知识扩展框架,采用生产式法与一阶谓词逻辑表示法来表示CFG桩复合地基设计领域知识;2.建立了CFG桩复合地基优化设计数学模型,编制基于优化算法的计算机程序来实现优化设计模型推理,通过实例验证了优化设计模型可以快速、高效、可靠的推理出较为经济的地基处理方案,能够达到提高设计效率与经济效益的目的;3.采用光滑样条非参数回归法、模糊层次分析法将非均质地基土层的CFG桩复合地基优化设计映射成均质地基土的设计情况来解决非均质地基土层下的设计,并通过实例分析验证了该方法可以降低非均质地基下的设计复杂程度,提高设计效率;4.利用CFG桩复合地基优化设计模型推理出大量优化设计方案,根据人工神经网络原理编制含有两个隐含层的神经网络推理程序来实现根据工程资料更加快捷、智能的推理出优化设计方案,通过对网络训练结果分析可得该网络模型训练效果很好,网络误差小且收敛速度快,能够有效用于设计参数的预测;5.创建了CFG桩复合地基智能优化设计系统的GUI界面,实现智能优化系统中各个板块以及数据流的控制,使之成为一个更完整、简洁易用的智能优化设计系统。本文旨在丰富CFG桩复合地基设计理论研究,提高设计效率与经济效益,本文的研究成果有利于推动CFG桩复合地基设计领域的数字化与智能化发展,并为工程设计人员展开设计工作提供一定的帮助。
许传博[5]（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》文中研究说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。
德格吉日夫[6]（2020）在《园区综合能源系统源荷储协同优化及效益评价模型研究》文中认为在传统能源系统中,各能源子系统之间的运行结构单一、耦合关系稀疏和能量损耗严重,凸显了我国能源、环境和社会之间的矛盾,加速形成了新—代能源系统的提出。综合能源系统作为集成考虑能源生产、能源传输、能源转换、能源存储和能源消费全过程的能源系统,有效促进了系统源-荷-储协同互补利用,提高了各能源的综合利用效率,以及降低了系统运行成本。但是,目前针对综合能源系统源-荷-储之间如何协同运行优化的研究还较为缺乏。基于此,亟需对园区综合能源系统展开相关深入研究。第一、基于园区综合能源系统现行的研究现状和相关理论,指出了本文研究的必要性和迫切性。首先,围绕综合能源系统发展、影响因素、协同优化模型和效益评价模型四个方面阐述了当前的研究现状;其次,从综合能源系统概念、特征和发展过程三个方面梳理了综合能源系统基础理论,深入分析了国内外综合能源系统实施现状,并进行了经验总结;最后,对比分析了电-热、电-热-冷和电-热-冷-气三种协同优化模式,论证了综合能源系统的运行结构和协同条件。第二、基于综合能源各子系统相互之间存在的强耦合性,建立了综合能源系统多元负荷联合预测模型。首先,深入剖析了电、热、冷、气能源子系统之间的耦合关系;其次,借助多任务学习理论和最小二乘支持向量机算法构建了多元负荷联合需求预测模型,识别了联合预测模型输入变量,设计了联合预测模型计算流程;最后,选取某园区综合能源系统进行算例分析,预测了系统中的电、热、冷、气负荷需求,从预测精度和训练时间两个方面,验证了多元联合预测模型的有效性和优越性。第三、基于单一能源系统各能源之间无法相互转化利用,针对多种能源转换设备参与系统运行建立了源-源协同优化模型。首先,分析了 CCHP联供机组、P2G设备和其他能源转换设备特性,在此基础上设计了综合能源系统源-源运行结构;其次,以系统净收益最大化和可再生能源弃能率最小化为目标,以多元负荷联合需求预测的负荷数据为基本参数,建立了综合能源系统源-源协同多目标优化模型,并提出了多目标协同优化求解算法;最后,选取某园区综合能源系统作为研究对象,设置了四种不同情景进行算例分析,验证了多能源转换设备参与系统源-源协同运行,有助于提高各能源的综合利用率。第四、基于风电和光伏出力、以及负荷的不确定性对运行系统带来的风险,建立了源-荷协同双层优化模型。首先,分析了风电、光伏、负荷不确定特性,以及设计了源-荷协同运行结构;其次,以系统运行成本最低、可再生能源消纳率最高为目标,构建了园区综合能源系统源-荷协同双层优化模型;然后,计及风电、光伏等可再生出力、以及负荷不确定性,引入鲁棒优化理论和随机机会约束规划理论,分别建立了园区综合能源系统源-荷协同优化上层模型和下层模型进行不确定性建模;再次,提出了建立综合能源系统源-荷协同双层规划优化模型的萤火虫算法,以及具体的计算流程;最后,选取某园区综合能源系统示范基地进行实例分析和多情景对比,有效提升了可再生能源消纳率和降低系统综合运行成本。第五、基于需求响应策略可以有效引导用户改变用能习惯和负荷曲线,建立了考虑多元负荷需求响应策略下的综合能源系统源-荷-储协同优化模型。首先,深入分析了需求响应负荷特性,包括可中断负荷、可转移负荷和可调节负荷特性,设计了综合能源系统源-荷-储运行结构;其次,根据系统各机组出力交换功率和机组出力需求响应调整相互之间的互动关系,建立了综合能源系统源-荷-储两阶段优化模型,并提出了求解算法和计算流程;最后,选取某园区进行实例分析和多情景对比讨论,验证了需求响应策略参与系统源-荷-储协同运行,可以有效增加系统运行的灵活性和稳定性。第六、基于园区综合能源系统本身是一个复杂的多主体参与协同优化项目,建立了考虑多维指标的综合能源系统源-荷-储全过程效益评价模型。首先,从相关政策、外部市场和终端用户三个方面,分析了园区综合能源系统源-荷-储全过程不同参与主体之间的影响关系;其次,从外部、经济、环保和社会四个维度,设计了包含24个评价指标的综合能源系统源-荷-储全过程效益评价指标体系;然后,在考虑多层级模糊综合评价方法解决不确定性和随机性方面展现的优势基础上,建立了基于云模型改进的多层级模糊综合评价模型;最后,设置了四种协同优化模式进行算例分析,验证了所提模型的有效性,凸显了源-荷-储协同优化模式的优势。
刘耀先[7]（2020）在《基于智能量测数据的非侵入式用户用电需求估计研究》文中认为随着电力体制改革的深入,售电侧市场逐步开放,出现了各种类型的电力市场参与主体,如服务商、集成商等,这些新型主体能够实现需求侧小型、零散柔性负荷的整合,使得家庭负荷也能够参与电力需求响应,扩大了需求响应的覆盖范围,同时也要求需求侧管理趋向于精细化,需求响应激励策略的研究对象从系统级、聚合级负荷需求转变为偏向个性化定制的用户级。用户用电需求估计可以作为用户需求响应潜力评估的重要依据,帮助聚合商选择合适的用户推送有针对性的需求响应激励方案,有效提升用户参与需求响应的意愿。因此,一方面,用户用电需求估计成为居民用户参与需求响应的重要支撑技术,同时也是关键环节,充分挖掘用户内部信息,提升用户用电需求估计精度成为目前研究的热点。另一方面,智能电表的大范围部署与性能提升,使得智能电表的非计量功能越来越被重视,面对海量的智能量测数据如何进行提取也是目前的机遇与挑战。本文主要面向这一发展需求,探索在海量智能量测数据中,如何尽可能减小通信链路压力与计算存储压力的同时挖掘数据中的重要信息,提高用户用电需求估计精度。并针对其中的具体技术需求,分别从非侵入式负荷监测分解,稀疏编码,用电需求估计等方面提出相应的优化解决方案。以期对智能量测数据进行充分的挖掘和需求侧负荷资源的管控提供更为全面准确的决策支撑。针对计算资源受限的非侵入式负荷分解问题,提出一种基于边缘负荷行为标签化的非侵入式负荷分解方法。为解决传统标签近似聚类对电器设备状态提取不充分的问题,提出二次标签近似聚类方法（Quadratic Symbolic Aggregate Approximation,2-SAX）其中第一次SAX主要用于确定振幅的数量级,第二次SAX用于区分相同数量级的电器负荷状态。提出基于负荷特征修正整数规划的非侵入式负荷分解方法（Modified Integer Programming using Appliance Characteristics Extracted by Quadratic Symbolic Aggregate Approximation,MIP-AC2S）,利用各设备的状态转移行为特征和操作概率特征,修正集成规划问题的最优解,克服了传统整数规划方法的分解精度较低的问题。最后提出了 2-SAX和MIP-AC2S相结合的云、边缘和终端用户同步计算框架,缓解了数据链路和云计算中心的传输压力。针对计算资源充裕的环境下的非侵入式负荷分解问题,提出一种基于多序列到点与时间信息编码的深度学习网络,通过改进k-中心点算法,提出迭代k-中心点算法,有效提高了电器设备负荷聚类结果的稳定性与实用性,利用双向门控循环单元网络挖掘负荷分解时间点与前序多个时间序列的时间关联特征,联结时间标记编码特征,输入全连通网络解码特征实现深度学习网络模型的训练,挖掘家庭设备状态与负荷时间信息间的深层潜在关系。训练得到的深度学习网络模型嵌入到边缘节点中实现用户终端的负荷分解,在缓解通信压力的同时,有效规避了数据传输过程由于数据丢失,数据窃取所发生信息错误、信息泄露的风险。针对海量智能量测数据带来的通信链路的传输压力以及云计算中心的计算存储压力问题,充分利用边缘节点的计算能力,在边缘节点对用户负荷数据进行稀疏编码,在压缩数据的同时提取用户用电行为特征。同时稀疏编码利用上文所获得的用户内部电器设备负荷信息为初始矩阵,在经过迭代用户行为特征字典学习后,提取用户用电行为特征,为之后的用户用电需求估计提供信息支撑。在此之上,计及用户用电行为特征的深层特性,与用户用电行为的季节性差别,提出深层稀疏编码与季节性稀疏编码,通过仿真验证,方法可有效提高数据压缩效率与重构精度。针对单个用户用电需求估计精度较低的问题,提出一种基于用户用电行为特征与分位数回归的用户用电需求概率估计方法。在基于边缘计算的用户用电需求估计架构下,充分利用上文所提取的用户用电行为特征。构建一种卷积神经网络与长短记忆神经网络结合的网络结构,以用电行为特征与历史用电负荷为输入,通过卷积神经网络充分提取特征,再通过长短记忆网络分析历史负荷与预测负荷之间时序关系,引入分位数回归概念将点预测扩展为概率预测,同时通过注意力机制加强重要信息对用电需求估计的影响。通过实验仿真表明,提出用户用电需求估计方法精度大幅提升,同时也可以提供更全面的用户用电需求信息。
黄思奇[8]（2019）在《城市物流配送多中心选址优化方法研究》文中研究说明随着时代的发展,城市配送越来越被人们所重视。城市配送作为城市经济发展的基础,对城市资源的优化配置和综合发展至关重要。目前,与一些发达国家相比,我国在城市配送方面仍存在着较大的差距。物流配送系统缺乏层次性,不利于城市配送的一体化发展。其中城市物流配送的相关基础设施建设还不够完善,导致配送效率较低,资源浪费严重。为了提高城市物流配送的效率,应从物流基础设施建设着手,进而优化整个城市物流配送系统。物流配送中心作为整个城市物流配送系统中的运输枢纽站,有着重要的作用和价值。本文基于国内外相关物流配送中心选址研究方法,针对城市物流多配送中心选址过程中因素选取和方法融合方面存在的不足,以城市物流配送中心为研究对象,提出城市物流配送多中心选址综合评价方法,并构建以总成本最小化和物流系统可靠度最大化为目标函数的数学模型,进而展开城市物流配送多中心选址方法优化研究。首先,建立影响城市物流配送多中心选址决策的指标评价体系,运用语言变量值与梯形直觉模糊数相结合的方法,进而得到各配送中心在准则指标下的综合评价值;其次,根据隶属度函数,将集成后的综合评价值拆分成3个分属性值,并将分属性值作为聚类过程的输入。然后,运用K-means方法针对各候选配送中心进行聚类分析。最后,针对各聚类单元中候选物流配送中心,运用TOPSIS法进行排序,进而得到城市物流配送中心最优选址方案。并进行了算例分析,算例分析结果证明了本文所提的模糊综合选址法的合理性和可靠性。由于模糊综合选址方法在一定程度上受到主观因素的影响,应用定量分析的方法研究了基于成本和可靠度的城市物流配送多中心选址问题。首先,分析了影响城市物流配送多中心选址的相关因素,将经济因素和客户服务质量作为影响城市物流配送多中心选址的重要指标。并引入物流配送可靠度这一概念来表示客户服务质量。其次,建立了以成本最小化和物流配送可靠度最大化为目标函数的双目标数学模型。然后,运用主要目标法将双目标数学模型转化成单目标数学模型,并运用贪婪取走算法进行求解。最后,通过算例分析,证明了本文所提方法的实用性和可靠性。运用定量方法进行城市物流配送多中心选址更为切合城市物流配送的实际情况,同该方法也可适用于其他领域的相关研究中。
邢丹丹[9]（2019）在《新电改下基于集对分析法的电网投资评价研究》文中提出2015年自国家颁布电改九号文后,新一轮电力改革在全国弥漫开来,售电公司如雨后春笋般涌现。新的电力企业改革政策给电网公司带来了巨大的冲击和挑战,近年国家颁布了《省级电网输配电价定价办法》,电网公司的盈利模式由原来的赚取差价转变为收取额定的过网费模式,营业收入大幅下降。根据《办法》得出,电网企业预提高收益,主要是通过扩大有效资产规模,因此在有效电力需求下,电网企业需增加固定资产的投资。在新的输配电价核定方法下,电网企业收益缩水,从而在一定程度上影响项目投资能力,电网公司需更加合理、谨慎的使用资金及妥善处理项目投资风险。由于电网投资会面临诸多风险,因此有必要识别、量化、规避风险,从而保证项目的投资效益。在新的形势下,通过阅读大量电网投资相关文献资料,本文确定了影响电网项目投资风险因素,并结合投资净现值理论构建了新电改下电网企业投资收入、成本、效益模型。然后,在此基础上采用集对分析法构建了电网投资评价模型,利用单因素敏感性分析法和模型来测算电网项目投资效益。之后得出项目投资方案的联系度推算结果,并结合每种方案净现值小于0的集对事件得出最佳的投资方案。最后,采用G网公司案例验证了模型的适用性、可行性,可以为新电改下电网企业投资决策评价提供适当的参考。本文主要的创新点为在电网盈利模式转变的条件下,采用单因素敏感性分析和集对分析法相结合的办法来构建电网项目投资评价模型,该方法有效的避免了研究数据不足不能够充分量化不确定性因素的难题,并且所构建的模型较为准确的筛选出最佳电网投资方案,可以为电网投资项目评价研究提供相关经验。
王佼[10]（2018）在《输电工程造价指标构建及指标值预测研究》文中指出随着我国国民经济飞速发展,加快、加强电网建设的需求越发强烈。为了更好将我国建设成为“资源节约型、环境友好型”社会,对电网建设项目,尤其是作为电网建设中的主要项目——输电工程,提出了精益化管理要求。近年来,我国输电工程造价总额呈现不断上升趋势,而国家投入电网建设的资金数量有限,就需要进一步加强对输电工程造价的管理,尤其是急需解决我国输电工程前期估算造价的合理确定问题,避免“概算超估算、预算超概算、决算超预算”的三超现象,减少工程投资浪费,达到有效管控输电工程造价,提高资金有效利用率的目的。面对新的复杂环境,过去传统的造价管理不能适应新的要求。对输电工程造价管理方法和项目管控手段进行提高,系统建立科学的造价指标及指标值预测模型,实现输电工程造价全过程的精益化管理目标具有很高的理论价值和较强的实际意义。本文重点研究了输电工程造价影响因素、静态造价新指标、动态造价新指标,以及构建静态造价指标值预测模型GRA-PSO-SVR和动态造价指标值预测模型GM（1,1）-BP,在此基础上构建出基于造价精益化管理目标的输电工程造价管控体系,并进行了多个实证研究。本文主要研究成果和创新如下:第一,构建出输电工程静态造价新指标——单位长度容量静态造价、单位综合可比静态造价,有效解地决了静态造价传统指标由于考虑因素单一,不能准确反映出输电工程静态造价水平的问题。传统用于衡量输电工程个体间静态造价水平的单位长度造价指标（万元/km）,由于在设计时仅考虑了输电线路长度因素,而没有考虑其他造价关键影响因素,在当前电网建设环境多样化,技术复杂化的条件下,该指标已不能够准确反应工程个体间静态造价实际水平。运用主成分分析法、层次分析法、回归分析技术及敏感性分析法等定量方法对比分析实际输电工程概算与决算的造价费用构成,从而识别并筛选出输电工程造价关键影响因素。基于造价关键影响因素构建出单位长度容量静态造价指标和单位综合可比静态造价指标。此两类静态造价新指标分别考虑进输电工程项目建设重要产品——输送容量,以及建设环境因素——地形、风速,从而使得输电工程静态造价新指标用于当前复杂的工程建设环境中个体间静态造价比较时所获得的对比分析结果更具客观、精确、全面,使得电网公司实现对输电工程静态造价的合理确定与有效管控。通过采用的一系列定量方法构建的静态造价新指标,弥补了以往研究文献中多采取定性分析方法造成其所构建的静态造价指标具有局限性不易于推广,以及实际应用中所获结果精度不高的缺陷。通过新指标的应用使得电网公司能够准确衡量相同年度中输电工程个体间静态造价水平,从而对目标输电工程个体静态造价进行合理确定与有效管控。第二,构建出输电工程动态造价新指标——指数调整的单位长度动态造价。为电网公司提供了开展输电工程总体平均动态造价及其变化趋势分析与控制的有效工具。对于输电工程动态造价传统指标——单位长度动态造价,设计时虽然考虑了时间价值因素,但是由于工程动态造价（即:动态投资）除了包括静态造价（即:静态投资）外,还包括价差预备费和建设期贷款利息等,其中价差预备费的编制需要兼顾施工建设企业合理利益诉求,然而由于施工单位自身技术与管理水平等差异,导致相关造价人员对于价差预备费的编制没有一致标准,使得电网公司采用输电工程单位长度动态造价指标（万元/km）仅能对工程个体间动态造价进行粗略管控。而且该动态造价传统指标不适合电网公司在连续年度间对输电工程总体平均造价及其变化趋势的分析与管控。同时,由于现存的定额计价方法主要用于工程概预算编制阶段,而工程量清单计价更适合招投标合同价格形成阶段,导致该两种造价计价模式无法对输电工程概预算之前的估算造价起到合理确定与有效管控的作用。结合输电工程动态造价时间序列数据特征,通过采用造价动态管理的有效工具——指数,构建出符合输电工程动态造价经济内涵的造价指数,并在此基础上构建并测算出输电工程动态造价新指标,弥补了输电工程动态造价传统指标——单位长度动态造价指标仅能对工程个体动态造价进行粗略管控,且不能对连续年度间输电工程总体平均动态造价及其趋势变化进行分析与预判的缺陷。使得电网公司准确衡量连续年度间输电工程动态造价水平,从而对目标输电工程个体动态造价进行合理确定与有效管控。第三,建立静态造价指标值预测模型——GRA-PSO-SVR组合模型和动态造价指标值预测模型——GM（1,1）-BP组合模型。通过研究发现组合预测模型可以从不同的视角、不同的模型得到系统各不相同的信息,通过优化方法或预测模型间相互取长补短,能够改善单一模型预测的精确度和稳定性。从而弥补以往文献关于输电工程造价指标值估算方面多采用单一预测模型开展造价估算,一旦单一预测模型的仿真条件发生变化,最终导致预测结果精确度低、稳定性差。然而,不恰当的预测方法优化组合或预测模型组合,在实际应用过程中也存在一些问题,GA-SVR组合模型虽然可以在一定程度上对SVR模型的参数进行优化,但却存在遗传算法自身的交叉率、变异率等复杂参数设置问题。同时发现对时间序列工程造价预测时,基于数理统计的智能算法不太适合,而采用灰色系统模型进行中、短期预测,其预测仿真结果较为理想,但利用该模型开展长期预测仿真分析,其预测效果较不稳定。因此,本文分别针对输电工程静态造价数据的非时间序列特征和动态造价数据的时间序列特征,构建较为适合的组合预测模型,并以待建设输电工程造价指标值为预测对象,对输电工程造价开展前期估算研究。从而使得国家电网公司能够合理确定待建设输电工程前期造价并有效控制其建设后期造价及最终造价,实现电网公司输电工程造价精益化管理目标。
二、高层建筑电力负荷的特点及其量值的模糊数学算法（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、高层建筑电力负荷的特点及其量值的模糊数学算法（论文提纲范文）
（2）基于改进的多层次模糊综合评价风电项目风险评估与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.3 研究内容和方法 |
| 1.4 论文结构安排 |
| 2 建设项目风险评价理论和我国风能资源分布 |
| 2.1 中国风能资源分布 |
| 2.2 风电建设项目风险 |
| 2.3 建设项目风险管理 |
| 2.4 风险识别方法 |
| 2.5 风险评价的方法介绍 |
| 3 改进的多层次模糊综合风电项目风险评价模型 |
| 3.1 技术路线图 |
| 3.2 建设项目风险评价指标体系建立 |
| 3.2.1 风险评价指标体系建立原则 |
| 3.2.2 风险因素归类与解释 |
| 3.2.3 风电建设项目风险评价指标体系 |
| 3.3 改进的多层次模糊综合评价 |
| 3.4 决策树算法 |
| 4 实例验证 |
| 4.1 工程概况及风险评价方法验证 |
| 4.2 风电项目风险控制技术措施策略 |
| 5 结论与展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（3）基于粗糙集和深度学习的建筑能耗预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 课题的研究背景与意义 |
| §1.1.1 研究背景及选题依据 |
| §1.1.2 研究意义 |
| §1.2 国内外研究现状 |
| §1.2.1 建筑能耗预测研究现状 |
| §1.2.2 粗糙集理论和深度学习研究现状 |
| §1.2.3 当前研究存在的主要问题 |
| §1.3 主要研究内容及结构安排 |
| §1.3.1 主要内容 |
| §1.3.2 技术路线 |
| §1.3.3 结构安排 |
| 第二章 相关理论及建筑能耗预测模型建立 |
| §2.1 研究思路 |
| §2.2 粗糙集理论 |
| §2.2.1 知识表达 |
| §2.2.2 属性约简过程 |
| §2.2.3 连续属性离散化 |
| §2.3 深度学习 |
| §2.3.1 受限玻尔兹曼机的结构及训练过程 |
| §2.3.2 深度置信神经网络的结构及训练过程 |
| §2.4 模型预测过程及对比方法 |
| §2.4.1 模型预测过程 |
| §2.4.2 对比方法 |
| §2.5 本章小结 |
| 第三章 实验案例的数据实测及分析 |
| §3.1 用于粗糙集属性约简的数据实测分析 |
| §3.1.1 主要建筑能耗影响因子确定分析 |
| §3.1.2 测试对象及方式 |
| §3.2 用于深度神经网络预测的数据实测分析 |
| §3.2.1 实测对象 |
| §3.2.2 建筑能耗短期预测的数据实测分析 |
| §3.2.3 建筑能耗中期预测的数据实测分析 |
| §3.3 本章小结 |
| 第四章 基于粗糙集的关键建筑能耗影响因子指标识别研究 |
| §4.1 连续属性的离散化 |
| §4.1.1 条件属性的离散化 |
| §4.1.2 决策属性的离散化 |
| §4.2 建筑能耗决策表的建立 |
| §4.3 粗糙集属性约简 |
| §4.3.1 最小相对约简集 |
| §4.3.2 冗杂参数剔除 |
| §4.4 本章小结 |
| 第五章 基于深度置信神经网络的建筑能耗预测模型研究 |
| §5.1 输入参数的标准化处理 |
| §5.2 网络训练及参数设计 |
| §5.2.1 深度置信神经网络训练及参数设计 |
| §5.2.2 BP、Elman和模糊神经网络训练及参数设置 |
| §5.3 建筑能耗预测结果及分析 |
| §5.3.1 无粗糙集参与的短期建筑能耗预测 |
| §5.3.2 有粗糙集参与的短期建筑能耗预测 |
| §5.3.3 建筑能耗中期预测 |
| §5.4 本章小结 |
| 第六章 结论及展望 |
| §6.1 结论 |
| §6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（4）CFG桩复合地基智能优化设计系统开发研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 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 CFG桩复合地基研究现状 |
| 1.2.2 地基处理智能决策研究现状 |
| 1.2.3 研究中存在的不足 |
| 1.3 本文研究思路、内容及技术路线 |
| 1.3.1 主要研究思路 |
| 1.3.2 主要研究内容 |
| 1.3.3 研究技术路线 |
| 2 CFG桩复合地基智能优化设计系统 |
| 2.1 智能优化设计系统结构 |
| 2.2 系统知识库的建立 |
| 2.2.1 知识来源 |
| 2.2.2 知识分类 |
| 2.2.3 知识体系 |
| 2.2.4 知识表示方法 |
| 2.3 系统推理模块的建立 |
| 2.3.1 优化模型推理 |
| 2.3.2 神经网络推理 |
| 2.4 小结 |
| 3 CFG桩复合地基智能优化设计 |
| 3.1 不考虑基础的CFG桩复合地基智能优化设计数学模型 |
| 3.1.1 优化变量 |
| 3.1.2 约束条件 |
| 3.1.3 目标函数 |
| 3.1.4 智能优化设计数学模型 |
| 3.2 考虑基础的CFG桩复合地基智能优化设计数学模型 |
| 3.2.1 基础尺寸确定 |
| 3.2.2 优化变量 |
| 3.2.3 约束条件 |
| 3.2.4 目标函数 |
| 3.2.5 智能优化设计数学模型 |
| 3.3 优化设计方法 |
| 3.3.1 优化算法的选择 |
| 3.3.2 遗传算法 |
| 3.3.3 经典算法 |
| 3.4 不考虑基础的智能优化设计模型实现 |
| 3.4.1 模型实现 |
| 3.4.2 实例分析 |
| 3.5 考虑基础的智能优化设计模型实现 |
| 3.5.1 不同算法试用效果分析 |
| 3.5.2 模型实现 |
| 3.5.3 实例分析 |
| 3.6 小结 |
| 4 非均质地基土的CFG桩复合地基优化设计 |
| 4.1 非参数回归法 |
| 4.1.1 非参数回归法概述 |
| 4.1.2 光滑样条非参数回归方法 |
| 4.2 基于光滑样条非参数回归法的优化设计模型 |
| 4.2.1 数据来源 |
| 4.2.2 数据拟合 |
| 4.2.3 效果分析 |
| 4.3 模糊层次分析法 |
| 4.3.1 层次分析法的不足 |
| 4.3.2 模糊层次分析法 |
| 4.4 基于模糊层次分析法的优化设计模型 |
| 4.4.1 优化设计体系构建 |
| 4.4.2 实例分析 |
| 4.5 小结 |
| 5 基于人工神经网络的辅助优化设计模型 |
| 5.1 BP神经网络 |
| 5.2 辅助优化设计模型构建 |
| 5.2.1 网络层数的确定 |
| 5.2.2 网络输入层的设计 |
| 5.2.3 网络输出层的设计 |
| 5.2.4 辅助优化设计模型 |
| 5.3 辅助优化设计模型的实现 |
| 5.3.1 数据来源 |
| 5.3.2 数据处理 |
| 5.3.3 模型实现 |
| 5.3.4 模型效果分析 |
| 5.4 小结 |
| 6 智能优化设计系统 |
| 6.1 系统开发环境及工具 |
| 6.1.1 系统开发环境 |
| 6.1.2 系统开发工具 |
| 6.2 系统框架及功能特点 |
| 6.2.1 系统总体框架 |
| 6.2.2 系统的特点与功能 |
| 6.3 系统功能模块 |
| 6.3.1 登录界面 |
| 6.3.2 主控制模块 |
| 6.3.3 文件模块 |
| 6.3.4 优化设计模块 |
| 6.3.5 神经网络推理模块 |
| 6.3.6 帮助模块 |
| 6.4 工程应用 |
| 6.5 小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间主要成果 |
（5）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 |
（6）园区综合能源系统源荷储协同优化及效益评价模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 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 综合能源系统发展研究现状 |
| 1.2.2 综合能源系统影响因素研究现状 |
| 1.2.3 综合能源系统协同优化模型研究现状 |
| 1.2.4 综合能源系统效益评价模型研究现状 |
| 1.3 论文主要研究内容和创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究技术路线 |
| 1.3.3 论文研究创新点 |
| 第2章 园区综合能源系统相关理论 |
| 2.1 综合能源系统基础理论 |
| 2.1.1 综合能源系统概念 |
| 2.1.2 综合能源系统特征 |
| 2.1.3 综合能源系统发展过程 |
| 2.2 典型综合能源系统示范项目分析 |
| 2.2.1 国外综合能源系统示范项目 |
| 2.2.2 国内综合能源系统示范项目 |
| 2.2.3 综合能源系统实施经验总结 |
| 2.3 综合能源系统协同优化模式 |
| 2.3.1 电-热协同优化模式 |
| 2.3.2 电-热-冷协同优化模式 |
| 2.3.3 电-热-冷-气协同优化模式 |
| 2.3.4 各种协同优化模式对比分析 |
| 2.4 本章小结 |
| 第3章 园区综合能源系统多元负荷联合预测模型研究 |
| 3.1 引言 |
| 3.2 综合能源各子系统耦合关系分析 |
| 3.2.1 电能子系统 |
| 3.2.2 热能子系统 |
| 3.2.3 冷能子系统 |
| 3.2.4 气能子系统 |
| 3.3 构建综合能源系统联合预测模型 |
| 3.3.1 MTL-LS-SVM理论 |
| 3.3.2 联合预测模型构建 |
| 3.4 算例分析 |
| 3.4.1 基础数据描述 |
| 3.4.2 预测结果分析 |
| 3.4.3 结果讨论与分析 |
| 3.5 本章小结 |
| 第4章 考虑转换利用的园区综合能源系统源-源协同优化模型研究 |
| 4.1 引言 |
| 4.2 多能转换设备特性分析及运行结构 |
| 4.2.1 多能源转换设备特性 |
| 4.2.2 源-源协同运行结构 |
| 4.3 综合能源系统源-源协同多目标优化模型 |
| 4.3.1 协同元件数学模型 |
| 4.3.2 协同优化目标函数 |
| 4.3.3 协同优化约束条件 |
| 4.4 源-源协同多目标优化模型求解方法 |
| 4.4.1 求解算法描述 |
| 4.4.2 求解算法计算流程 |
| 4.5 算例分析 |
| 4.5.1 基础数据描述 |
| 4.5.2 优化结果分析 |
| 4.5.3 结果分析与讨论 |
| 4.6 本章小结 |
| 第5章 考虑不确定性的园区综合能源系统源-荷协同优化模型研究 |
| 5.1 引言 |
| 5.2 双重不确定性分析及运行结构 |
| 5.2.1 源-荷不确定特性 |
| 5.2.2 源-荷协同运行结构 |
| 5.3 包含分布式能源并网的综合能源系统源-荷双层协同优化模型 |
| 5.3.1 源-荷协同互动关系 |
| 5.3.2 上层协同优化模型 |
| 5.3.3 下层协同优化模型 |
| 5.3.4 综合协同优化模型 |
| 5.4 考虑源-荷双重不确定性的综合能源系统双层协同优化模型 |
| 5.4.1 问题描述 |
| 5.4.2 目标函数 |
| 5.4.3 约束条件 |
| 5.4.4 求解方法 |
| 5.5 算例分析 |
| 5.5.1 基础数据描述 |
| 5.5.2 优化结果分析 |
| 5.5.3 不确定性分析 |
| 5.6 本章小结 |
| 第6章 考虑需求响应的园区综合能源系统源-荷-储协同优化模型研究 |
| 6.1 引言 |
| 6.2 综合需求响应特性分析及运行结构 |
| 6.2.1 需求响应负荷特性 |
| 6.2.2 源-荷-储运行结构 |
| 6.3 综合能源系统源-荷-储两阶段优化模型 |
| 6.3.1 第一阶段日前协同优化模型 |
| 6.3.2 第二阶段时前协同优化模型 |
| 6.4 源-荷-储两阶段协同优化模型求解方法 |
| 6.4.1 求解算法描述 |
| 6.4.2 求解算法计算流程 |
| 6.5 算例分析 |
| 6.5.1 基础数据描述 |
| 6.5.2 优化结果分析 |
| 6.5.3 结果对比讨论 |
| 6.6 本章小结 |
| 第7章 考虑源-荷-储全过程的园区综合能源系统效益评价模型研究 |
| 7.1 引言 |
| 7.2 综合能源系统效益评价指标体系 |
| 7.2.1 选择评价指标原则 |
| 7.2.2 构建评价指标体系 |
| 7.2.3 评价指标的预处理 |
| 7.3 基于云模型改进的多层级模糊综合评价模型 |
| 7.3.1 多层级模糊综合评价模型 |
| 7.3.2 云模型 |
| 7.3.3 构建模型计算流程 |
| 7.4 算例分析 |
| 7.4.1 基础数据描述 |
| 7.4.2 效益评价过程 |
| 7.4.3 评价结果分析 |
| 7.5 本章小结 |
| 第8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 |
（7）基于智能量测数据的非侵入式用户用电需求估计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能量测数据分析研究现状 |
| 1.2.2 非侵入式负荷监测研究现状 |
| 1.2.3 用户用电需求估计研究现状 |
| 1.3 本文主要研究内容及创新点 |
| 1.4 论文组织架构 |
| 第2章 基于边缘负荷行为标签化的非侵入式负荷分解方法 |
| 2.1 引言 |
| 2.2 基于2-SAX算法的电器设备负荷特征分析 |
| 2.2.1 SAX算法 |
| 2.2.2 面向家用电器负荷的2-SAX算法 |
| 2.2.3 电器设备负荷特征分析 |
| 2.3 基于云边端协同计算的非侵入式负荷分解方法 |
| 2.3.1 基于负荷特征修正整数规划的负荷分解方法 |
| 2.3.2 云边端协同计算架构 |
| 2.4 实验验证及分析 |
| 2.4.1 2-SAX算法影响结果分析 |
| 2.4.2 负荷特征分析提取 |
| 2.4.3 负荷分解算法对比分析 |
| 2.5 本章小结 |
| 第3章 基于边缘嵌入深度学习的非侵入式负荷分解方法 |
| 3.1 引言 |
| 3.2 电器状态提取及设备数据生成 |
| 3.2.1 设备负荷数据生成 |
| 3.2.2 设备运行状态提取 |
| 3.3 基于设备时序特征挖掘的深度学习网络 |
| 3.3.1 深度学习网络结构 |
| 3.3.2 边缘嵌入非侵入式负荷分解实施方案 |
| 3.4 实验验证及分析 |
| 3.4.1 评价指标 |
| 3.4.2 负荷分解结果对比分析 |
| 3.5 本章小结 |
| 第4章 面向用电需求估计的高效边缘稀疏编码方法 |
| 4.1 引言 |
| 4.2 基于电器设备信息的边缘稀疏编码 |
| 4.2.1 非负K-SVD算法 |
| 4.2.2 计及负荷设备信息的稀疏编码及用户行为特征提取 |
| 4.3 计及负荷设备信息的稀疏编码改进方法 |
| 4.3.1 深度稀疏编码 |
| 4.3.2 季节性稀疏编码 |
| 4.4 实验验证及分析 |
| 4.4.1 数据集展示及评价指标 |
| 4.4.2 基于电器设备信息的稀疏编码及深度稀疏编码仿真对比 |
| 4.4.3 季节性稀疏编码仿真对比 |
| 4.5 本章小结 |
| 第5章 基于负荷行为特征及分位数回归的用户用电需求估计方法 |
| 5.1 引言 |
| 5.2 边缘计算支撑下的用户用电需求估计架构与流程 |
| 5.3 基于用户行为特征的用户用电需求概率估计方法 |
| 5.3.1 注意力机制 |
| 5.3.2 分位数回归 |
| 5.3.3 基于用户用电行为特征与分位数回归的CNN-QLSTM网络 |
| 5.4 实验验证及分析 |
| 5.4.1 评价指标 |
| 5.4.2 仿真效果对比分析 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 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）城市物流配送多中心选址优化方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的和意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 城市物流多中心配送问题的研究现状 |
| 1.3.2 城市物流配送多中心选址聚类问题研究现状 |
| 1.3.3 城市物流配送多中心选址问题研究现状 |
| 1.4 本文的研究思路及内容 |
| 1.4.1 本文的研究内容 |
| 1.4.2 本文技术路线图 |
| 1.5 本章小结 |
| 第2章 相关理论方法研究 |
| 2.1 城市配送多中心选址优化的基础分析 |
| 2.1.1 城市配送多中心网络结构 |
| 2.2 城市配送多中心选址研究 |
| 2.2.1 城市物流配送多中心选址程序和步骤 |
| 2.3 城市物流配送多中心选址的聚类方法 |
| 2.3.1 选址聚类问题概述 |
| 2.3.2 聚类方法介绍 |
| 2.4 城市物流配送多中心选址的定性方法概述 |
| 2.4.1 模糊综合评价体系构建 |
| 2.4.2 多中心选址评价优化方法 |
| 2.5 城市物流配送多中心选址的定量方法概述 |
| 2.6 求解方法介绍 |
| 2.7 本章小结 |
| 第3章 基于K-means聚类方法的物流多配送中心选址优化研究 |
| 3.1 物流多配送中心选址问题的概述及其特点 |
| 3.2 基于建立评价指标体系下的模糊方法 |
| 3.2.1 建立配送中心选址的评价指标体系 |
| 3.2.2 相关语言变量用梯形模糊数表示 |
| 3.3 基于配送中心评价指标体系的聚类研究 |
| 3.3.1 相关定义 |
| 3.3.2 模糊聚类方法 |
| 3.3.3 K-means聚类方法的有效性指标 |
| 3.3.4 运用TOPSIS排序方法进行排序 |
| 3.4 算例分析 |
| 3.4.1 算例相关数据 |
| 3.4.2 计算结果 |
| 3.4.3 聚类和选址方案 |
| 3.4.4 算法比较和选址结果分析 |
| 3.5 本章小结 |
| 第4章 基于成本和可靠度的物流多配送中心选址优化研究 |
| 4.1 基于成本和可靠度的物流配送多中心选址问题概述 |
| 4.1.1 基于成本和可靠度的物流配送多中心选址原则 |
| 4.1.2 基于成本和可靠度的物流配送多中心选址影响因素分析 |
| 4.1.3 基于成本和可靠度的物流配送多中心选址成本构成 |
| 4.1.4 基于成本和可靠度的物流配送多中心选址可靠度分析 |
| 4.2 数学模型的构建 |
| 4.2.1 基于企业成本和物流系统可靠度的建模思路 |
| 4.2.2 模型构建的前提假设 |
| 4.2.3 模型参数的定义 |
| 4.2.4 城市物流多配送中心选址模型及相关约束条件 |
| 4.3 模型求解方法 |
| 4.3.1 模型求解思路 |
| 4.3.2 模型求解步骤 |
| 4.4 算例分析 |
| 4.4.1 算例数据 |
| 4.4.2 计算结果 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 论文工作总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 在学期间发表的论文和取得的学术成果 |
（9）新电改下基于集对分析法的电网投资评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 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 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 研究主要内容及创新点 |
| 1.3.1 研究主要内容 |
| 1.3.2 文章创新之处 |
| 1.4 文章技术路线 |
| 第2章 投资评价相关理论 |
| 2.1 投资评价的概述 |
| 2.1.1 投资评价的定义 |
| 2.1.2 项目投资评价原则 |
| 2.2 电网投资风险理论 |
| 2.2.1 电网投资风险的概念 |
| 2.2.2 电网项目投资特征 |
| 2.3 投资评价主要方法 |
| 2.3.1 投资净现值法 |
| 2.3.2 敏感性分析法 |
| 2.3.3 集对分析法 |
| 2.4 本章小结 |
| 第3章 基于新电改前后电网盈利模式及对比分析 |
| 3.1 新电改前电网盈利模式 |
| 3.2 新电改后电网盈利模式 |
| 3.3 新电改前后电网企业盈利能力的对比分析 |
| 3.4 本章小结 |
| 第4章 新电改下电网投资净现值模型 |
| 4.1 电网投资风险因素分析 |
| 4.2 投资净现值法概述 |
| 4.3 新电改下电网公司项目投资收入模型 |
| 4.4 新电改下电网项目投资成本模型 |
| 4.5 新电改下电网投资项目收益计算模型 |
| 4.6 本章小结 |
| 第5章 基于集对分析法下的电网投资评价模型 |
| 5.1 集对分析法的优势 |
| 5.2 集对分析法概述 |
| 5.3 集对分析法的计算 |
| 5.4 新电改下基于集对分析法的电网投资评价模型 |
| 5.5 顺势取值法确定i值 |
| 5.6 本章小结 |
| 第6章 G网公司投资项目案例分析 |
| 6.1 G网公司投资项目案例背景简介 |
| 6.2 G网公司项目投资数据资料 |
| 6.3 模型运算结果 |
| 6.4 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（10）输电工程造价指标构建及指标值预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 问题提出 |
| 1.2.1 输电工程静态造价指标失真 |
| 1.2.2 输电工程动态造价指标失效 |
| 1.2.3 输电工程造价指标值预测模型效果欠佳 |
| 1.3 研究目标与研究意义 |
| 1.3.1 研究目标 |
| 1.3.2 研究意义 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 研究难点与创新点 |
| 1.5.1 研究难点 |
| 1.5.2 研究创新点 |
| 1.6 技术路线 |
| 第2章 理论基础与文献综述 |
| 2.1 概念界定 |
| 2.1.1 输电工程 |
| 2.1.2 工程造价 |
| 2.1.3 静态造价与动态造价 |
| 2.1.4 造价指标与造价指数 |
| 2.2 理论基础 |
| 2.2.1 工程造价管理理论 |
| 2.2.2 全过程工程造价管理理论 |
| 2.2.3 组合预测理论 |
| 2.3 文献综述 |
| 2.3.1 工程造价管理研究 |
| 2.3.2 输电工程造价指标研究 |
| 2.3.3 输电工程造价指标值预测研究 |
| 2.3.4 文献评述 |
| 第3章 输电工程静态造价新指标构建研究 |
| 3.1 输电工程静态造价传统指标失真描述 |
| 3.2 输电工程静态造价新指标的构建原则及流程 |
| 3.2.1 输电工程静态造价新指标构建原则 |
| 3.2.2 输电工程静态造价新指标构建流程 |
| 3.3 输电工程静态造价关键影响因素分析 |
| 3.3.1 输电工程静态造价构成费用主成分分析 |
| 3.3.2 输电工程静态造价影响因素识别与筛选 |
| 3.3.3 输电工程静态造价关键影响因素回归及敏感性分析 |
| 3.4 基于关键影响因素的静态造价新指标构建 |
| 3.4.1 基于线性关键影响因素的静态造价指标构建 |
| 3.4.2 基于非线性关键影响因素的静态造价指标构建 |
| 3.5 输电工程静态造价新指标检验与合理性分析 |
| 3.5.1 静态造价指标对比检验 |
| 3.5.2 输电工程静态造价新指标合理性分析 |
| 3.6 本章小结 |
| 第4章 输电工程动态造价新指标构建研究 |
| 4.1 输电工程动态造价指标失效描述 |
| 4.2 动态造价相关数据信息的采集 |
| 4.2.1 动态造价信息采集标准及对象分析 |
| 4.2.2 输电动态造价数据鉴别与筛选 |
| 4.3 基于造价指数的输电工程动态造价新指标构建研究 |
| 4.3.1 拉氏造价指数与派许造价指数比较分析 |
| 4.3.2 输电工程造价指数的生成研究 |
| 4.3.3 输电工程动态造价指标构建 |
| 4.4 输电工程动态造价新指标合理性分析 |
| 4.4.1 以220KV输电工程为例构建造价指数 |
| 4.4.2 输电工程总体平均动态造价趋势分析 |
| 4.5 本章小结 |
| 第5章 输电工程造价指标值预测研究 |
| 5.1 输电工程造价指标值预测研究必要性分析 |
| 5.2 输电工程静态造价指标值预测模型构建 |
| 5.2.1 静态造价指标值预测仿真相关优化方法 |
| 5.2.2 基于GRA-PSO-SVR方法组合的静态造价指标值预测模型构建 |
| 5.3 基于GRA-PSO-SVR组合模型的输电工程静态造价指标值预测仿真 |
| 5.3.1 输电工程静态造价指标值预测仿真分析 |
| 5.3.2 GRA-PSO-SVR组合预测模型与单一预测模型的静态造价指标值仿真对比 |
| 5.4 输电工程动态造价指标值间接预测模型构建 |
| 5.4.1 动态造价指标值相关间接预测模型研究 |
| 5.4.2 基于GM(1,1)-BP组合预测的动态造价指标值间接预测模型构建 |
| 5.5 基于GM(1,1)-BP组合模型的输电工程动态造价指标值间接预测仿真 |
| 5.5.1 输电工程造价指数预测仿真分析 |
| 5.5.2 GM(1,1)-BP组合模型与单一GM(1,1)模型造价指数仿真对比 |
| 5.6 输电工程静态造价指标与动态造价指标联合造价控制应用建议 |
| 5.7 本章小结 |
| 第6章 研究结论与展望 |
| 6.1 主要研究结论 |
| 6.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文以及参加科研情况 |
四、高层建筑电力负荷的特点及其量值的模糊数学算法（论文参考文献）
- [1]基于机器学习方法的住宅工程成本估算研究[D]. 张博深. 辽宁科技大学, 2021
- [2]基于改进的多层次模糊综合评价风电项目风险评估与应用[D]. 田野. 四川师范大学, 2021(12)
- [3]基于粗糙集和深度学习的建筑能耗预测研究[D]. 陈威. 桂林电子科技大学, 2021(02)
- [4]CFG桩复合地基智能优化设计系统开发研究[D]. 邓兴波. 西安理工大学, 2020(01)
- [5]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)
- [6]园区综合能源系统源荷储协同优化及效益评价模型研究[D]. 德格吉日夫. 华北电力大学(北京), 2020
- [7]基于智能量测数据的非侵入式用户用电需求估计研究[D]. 刘耀先. 华北电力大学(北京), 2020
- [8]城市物流配送多中心选址优化方法研究[D]. 黄思奇. 重庆交通大学, 2019(06)
- [9]新电改下基于集对分析法的电网投资评价研究[D]. 邢丹丹. 华北电力大学, 2019(01)
- [10]输电工程造价指标构建及指标值预测研究[D]. 王佼. 辽宁大学, 2018(05)