您的位置: turnitin查重官网> 工程 >> 电气工程 >> 电气工程及自动化 >粒子基于粒子群算法和传递函数模型中国煤炭需求量预测和低碳能源政策

粒子基于粒子群算法和传递函数模型中国煤炭需求量预测和低碳能源政策

收藏本文 2024-01-26 点赞:34150 浏览:149621 作者:网友投稿原创标记本站原创

摘要:中国是世界上最大的煤炭消耗和生产国,这不仅支撑着中国工业的快速崛起和经济的迅速增加,同时煤炭的巨大消费量带来了巨大的碳排放量。所以精确的预测煤炭需求量对于制定正确的能源政策和计划具有重要作用。本论文提出了一个新的混合预测策略,粒子群-传递函数噪声模型,预测未来的煤炭消费。在实证浅析中本论文首先采取协整检验策略检测发电量和国内生产总值是否与煤炭消费具有内在的联系,以判断二者是否可以作为粒子群-传递函数噪声模型的输入变量。并且为了验证混合模型的效率,基于1978-2008年的数据,分别利用粒子群-传递函数噪声模型、传递函数噪声模型和灰色系统这三个模型预测2009和2010年的煤炭消费量,结果证明新提出的混合模型具有最好的预测精度。然后基于1978-2010年的数据将发电量和国内生产总值作为输入变量,将煤炭消费作为输出变量,预测了2011-2020年的煤炭消费量,结果表明在未来几年中国煤炭消费量将以每年8%左右的速度增加。最后结合中国目前的能源战略及未来要达到的节能减排目标,本论文认为继续关闭小火电机组和大力开发风力发电是具有显著作用的重要措施。关键词:煤炭需求量论文粒子群算法论文传递函数噪声模型论文低碳政策论文

    摘要3-4

    Abstract4-8

    第一章 绪论8-12

    1.1 探讨背景8-10

    1.1.1 中国煤炭消费量概况8

    1.1.2 中国煤炭进出口概况8-9

    1.1.3 节能减排政策9-10

    1.2 探讨目的和作用10-11

    1.3 探讨思路与策略11-12

    1.4 探讨的主要内容12

    第二章 煤炭需求预测探讨近况及文献综述12-16

    2.1 煤炭需求预测国内外探讨近况12-14

    2.2 传递函数模型的运用14-15

    2.3 粒子群算法的运用15-16

    第三章 相关模型论述概述16-28

    3.1 协整论述16-17

    3.2 自回归滑动平均模型(ARMA)17-19

    3.2.1 模型原理17-18

    3.2.2 模型识别18

    3.2.3 非平稳时间序列模型(ARIMA)18-19

    3.3 传递函数噪声模型(Traner function-noise model)19-21

    3.3.1 基本原理19

    3.3.2 模型识别和拟合19-20

    3.3.3 模型检验20

    3.3.4 预测20-21

    3.3.5 双输入的传递函数噪声模型21

    3.4 粒子群算法(PSO)21

    3.5 粒子群-传递函数噪声模型(PTFN)21-24

    3.6 灰色预测(GM)24-27

    3.6.1 灰色预测基本原理24-26

    3.6.2 后验差检验26-27

    3.7 预测精度的评价标准27-28

    第四章 煤炭消费量协整联系检验28-30

    4.1 数据选择28

    4.2 协整联系检验28-30

    第五章 混合模型的煤炭需求量预测30-36

    5.1 数据预处理30

    5.2 识别传递函数噪声模型30-32

    5.2.1 ARMA历程转换输入变量及预测30-32

    5.2.2 识别传递函数噪声模型形式32

    5.3 传递函数噪声模型拟合和检验32-34

    5.4 灰色GM(1,1)预测34

    5.5 预测结果比较与讨论34-36

    第六章 结果浅析及政策的提出36-39

    6.1 减少小型燃煤发电厂37

    6.2 开发风能37-39

    第七章 结论39-41

copyright 2003-2024 Copyright©2020 Powered by 网络信息技术有限公司 备案号: 粤2017400971号