寡头垄断市场古诺模型的研讨

通过研究寡头边际成本互不相同条件下的产出情况，对古诺模型进行了修正与完善，建立了边际成本为常数时的线性模型和边际成本变动时的非线性模型，揭示了寡头垄断市场上产量竞争的实质以及在竞争中取得优势的条件．     

拥塞服务网络上的寡头竞争

研究拥塞服务网络中寡头快递服务商关于价格竞争的均衡问题.描述了拥塞服务网络并构建了寡头服务商竞争的二层均衡EPEC模型.证明了寡头服务商竞争的Nash均衡的性质以及存在性.给出简单算例.研究结果对服务网络环境下的寡头服务商竞争有借鉴意义.     

寡头企业价格领先竞争的均衡性

首先介绍完全信息时双寡头垄断的企业价格决策的静态模型，得到伯川德均衡；然后介绍完全信息时双寡头垄断的企业价格决策的动态模型，得到价格领先的寡头竞争模型均衡解；最后分析了后者的局限性，得到在理性假设的前提下价格领先的寡头竞争模型的均衡解不是一个稳定状态，完全信息时双寡头价格决策的动态博弈的结果必然最终趋近于静态博弈的结果。     

中国电力市场的多寡头动态离散模型

目前中国电力市场的竞争是多寡头垄断竞争,鉴于这种情况,建立了多寡头动态离散模型,分析他们的纳什均衡以及系统的稳定性,还讨论了寡头们决策之间的相互影响及其关系,对一些参数做了计算机仿真分析。     

寡头垄断市场Stackelberg模型的进一步修正

通过对寡头边际成本互不相同条件下的产出情况的分析,对Stackelberg模型进行了修正与完善,建立了边际成本为常数时的线性模型和边际成本变动时的非线性模型,揭示了寡头垄断市场上产量竞争的实质以及在竞争中取得优势的条件.     

寡头垄断市场中企业兼并的一般均衡分析

提出了一种生产者具有超额垄断利润的一般均衡模型,并将该模型扩展到寡头垄断市场,考虑寡头生产者按古诺模型进行博弈论的情况下,产品市场、劳动力市场和资本市场的全局均衡,在该模型框架下,分析了企业兼并的福利效果,指出由企业兼并引起的全部产品产量的变化所导致的消费者效用变化是社会福利分析的基础,该模型提供了一种比局部均衡分析更具有全面性的分析方法。     

需求价格弹性为常数下的古诺模型特征分析

在需求价格弹性为常数下对非线性条件下的古诺模型进行探讨.从寡头垄断市场中各厂商的价格-边际成本加价率相同和不同两个方面对寡头垄断的竞争实质进行分析,获得了有关古诺模型均衡解的若干相关因素的几个性质.     

Cournot

在研究寡头竞争的著名博弈论模型     

多寡头不同成本古诺模型的纳什均衡分析

将古诺的双寡头垄断模型推广到多个寡头垄断的情形,分析了多寡头古诺博弈的纳什均衡,用最优化和初等变换等数学方法得到了纳什均衡解.在此基础上,将古诺的双寡头垄断模型中相同的边际成本推广到不同的边际成本,讨论了不同成本的双寡头古诺博弈的纳什均衡,得到其纳什均衡解.     

关于斯威齐寡头垄断模型的探讨

斯威齐模型因为没有说明刚性价格是如何确定以及未对价格“不跟涨”作很好的说明，而造到部分经济学家的批评。本文从寡头垄断市场的涨价行为的动机以及刚性价格如何确定两个方面对此问题进行了探讨，从而否定了经济学家对该模型的批评。     

含风电机组的ATC的光滑化模型及其有效算法

首先,将含风电机组的潮流模型和传统的静态安全性可用输电能力（ATC）模型相结合,建立了含风电机组且考虑系统静态安全性的ATC新模型的半光滑模型;然后,基于光滑化策略和方法,建立了含风电机组的ATC的光滑化模型,并采用光滑化牛顿法对模型进行求解,IEEE 30,118节点系统的计算结果表明了该模型和计算方法的可行性和有效性;最后,通过与不含风电机组的ATC模型的计算结果进行比较,分析了风电机组接入电力系统后对ATC的影响．     

需求侧响应下的电力负荷预测模型的改进

在电力负荷预测进行建模时,传统的预测模型需要消耗大量的电力负荷样本数据,同时不能准确描述电力系统内部的变化情况,降低了电力负荷预测的精度和可靠性。提出一种基于灰色预测模型的电力负荷预测模型的改进方法,分析了基本灰色预测模型的建模过程,同时依据需求侧响应约束条件对不符合约束条件的电力负荷预测结果进行剔除,从电力负荷原始数据的处理和灰色模型预测结果的修正两方面对其进行改进。实验结果表明,采用所提方法对电力负荷进行预测,得到的预测结果精度较高,性能优异。     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.     

含风电并网系统鲁棒区间优化调度

随着风电渗透率的不断增大,风电功率的不确定性对电力系统的安全稳定运行带来了极大的挑战。为应对风电功率的不确定性,增强电力系统的大规模风电消纳能力,建立了含风电并网系统鲁棒区间优化调度模型。求解该模型得到风电场的最大允许输出功率区间及常规机组的最优经济调度计划。通过引入风电场最大允许输出功率区间作为控制目标,可有效降低弃风量、减少常规机组输出功率调节频次。在IEEE-RTS系统中进行仿真,仿真结果表明该模型所得系统调度策略的鲁棒性及安全性最优。最后以省级电网实际数据进行实例分析,验证了所提模型及方法的有效性。     

基于神经网络的光伏电站气象-功率模型

基于双层前馈神经网络建立光伏电站输出功率与辐照等气象因素间的非机理模型。建立光伏电站输出功率与气象因素的神经网络模型;对功率模型的输入特征进行选择,分析不同气象因素的组合作为输入变量对模型准确度的影响,明确功率模型的输入变量;分析该模型网络的训练算法、隐含层神经元个数及训练次数对模型准确度的影响,据此确定功率模型的最优结构与参数;基于光伏电站的实际数据对功率模型进行验证。结果表明,基于双层前馈神经网络的光伏电站气象-功率模型具有较高的准确度。     

基于径向基神经网络的风电场无功补偿优化算法

 针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。     

基于数值积分与功率损耗测试的冷轧电机功率模型

为提高冷轧电机功率的计算精度,提出了一种新型的电机功率在线计算模型,模型中将电机功率分为轧制功率和机械功率损耗.其中,轧制功率采用基于简易有限元的数值积分方法计算获得,而电机机械功率损耗采用实验测试回归方法获得.基于本文设计的测试方案和模型结构,通过对某1 450 mm五机架冷连轧机组的现场测试,回归得到了功率损耗模型中的系数,并将其应用到了该机组中.现场实际应用表明该电机功率模型的计算偏差可控制在±5%以内,证明该模型具有较高的计算精度,符合现场控制要求,具有广泛的应用前景.     

考虑新能源不确定性多场景下互联电网停电风险评估

为了探究新能源出力不确定性对电网停电事故的影响并在互联电网中选择合适的新能源接入节点,提出了一种非时序蒙特卡洛停电事故演化模型和分场景研究新能源接入互联电网停电风险评估的方法。首先,对以风电、光伏为代表的新能源出力的不确定性进行建模;然后,通过非时序蒙特卡洛法得到新能源的出力,结合SOC-Power Failure模型形成了改进的停电事故演化模型;最后,利用该模型分多场景对IEEE118电网做了停电事故演化仿真,通过层次分析法(analytic hierarchy process,AHP)法综合事故损失负荷概率(loss of load probability,LOLP)、事故损失负荷期望值(expected loss of load,ELOL)、事故相关节点期望值(expected power failure bus,EPFB)指标得到了综合性评估指标RISK,并利用RISK评估确定了新能源最佳接入场景,验证了模型的可行性及分场景仿真方法的实用性。     

基于CNN-LSTM-lightGBM组合的超短期风电功率预测方法

近年来风电装机规模逐年增加,风电数据采集量呈现规模化增长,面对海量多维、强波动的风电数据,风电功率预测精度仍面临一定的挑战。为提高风电功率预测精度,提出了基于CNN-LSTM和lightGBM组合的超短期风电功率预测方法。首先,分别建立CNN-LSTM和lightGBM的风电功率超短期预测模型。其中,CNN-LSTM模型采用CNN对风电数据集进行特征处理,并将其作为LSTM模型的数据输入,从而建立CNN-LSTM融合的预测模型;然后,采用误差倒数法对CNN-LSTM和lightGBM的预测数据进行加权组合,建立CNN-LSTM-lightGBM组合的预测模型;最后,采用华北某风电场的风电数据集,以未来4小时风电功率为预测目标,验证了组合模型的有效性。预测结果表明,相较于其他三种单一模型,组合模型具有更高的预测精度。     

基于粒子群优化的移动通信功率控制方法

功率控制技术是移动通信中最为关键的技术之一,在分析移动通信的功率控制模型基础上,提出基于改进的粒子群优化(PSO)算法的功率控制方法,主要包括功率控制模型的建立,PSO寻优求解等过程.仿真实验表明,采用改进的PSO算法可以完成功率控制,大大提高工作效率;此外,基于业务优先级的功率控制模型在应用中更符合实际情况.