原油价格预测：近30年研究回顾和未来展望

原油价格预测是能源经济和资产定价领域的重要研究方向，其研究热度正逐年上升。文系统梳理了30多年来原油价格预测领域的相关文献，从以下4个方面进行了现有文献的综述与讨论：(1)原油价格预测对象；(2)原油价格的影响因素、预测变量和理论基础；(3)原油价格预测方法与模型；(4)原油价格预测的实践意义。最后，结合当前热点和未来发展趋势给出值得进一步研究的方向：一是使用气候风险等新的预测信息；二是充分利用多源异构数据；三是提高机器学习等预测模型的可解释性。     

Rosen型压电变压器的并联特性仿真

压电变压器的并联联接是提高输出功率的一种有效的解决方法。采用经典集总参数等效电路模型建立了Rosen压电变压器并．并联联接的PSPICE仿真模型，分析了模型参数完全相同时并联压电变压器的个数对电压增益、输出功率、功率传输效率的影响，以两片压电变压器并联为例，仿真分析了参数不完全相同对并联电压增益和输出功率的影响。结果表明，与单片压电变压器相比，压电变压器的并联联接不仅能够提供更高的输出功率，而且能提升电压增益；两个压电变压器实际并联时，机械谐振频率必须非常接近，而对等效损耗电阻的一致性要求不高。     

Re-engineering transformer maintenance processes to improve customized service delivery

The outage of a transformer in a power generation system will generally result in a shutdown of the entire system.Consequentially,large amounts of revenue are lost to the plant owner with a substantial negative impact on the civil community and industrial customers.This paper analyzes the current maintenance practices(i.e.,an as-is process model) of a transformer manufacturing company,which provides maintenance services to power generation plants and reports the major weaknesses in current business pract...     

Study on Transformer Magnetic Biasing Control Method for AC Power Supplies

1. INTRoDUCTIONAC powr supplies are used to connect critical loads such as comPuters and conunnication systems to theutility system. One of the most connnoIily--used main circult topologies at present consists of rectifier, PWMinverter, transformer and LC filter. As a significant component of AC powe supplies, transformer is used bothfor vo1tage or current rating and isolation. Magnetic biasing of transfOrmer is one of the main causes of thesystem falure.When the magnetic fltix densit…     

New method for detection fusion of MAC based on DCM and NP rule

The problem of distributed detection fusion using multiple sensors for remote underwater target detection is studied. Considering that multiple access channel (MAC) schemes are able to offer high efficiency in bandwidth usage and consume less energy than the parallel access channel (PAC), the MAC scheme is introduced into the underwater target detection field. The model of underwater distributed detection fusion based on MAC schemes is established. A new method for detection fusion of MAC based on deflection coefficient maximization (DCM) and Neyman-Pearson (NP) rule is proposed. Under the power constraint of local sensors, this paper uses the DCM theory to derive the optimal weight coefficients and offsets. The closed-form expressions of detection probability and false alarm probability for fusion systems are obtained. The optimal detection performance of fusion systems is analyzed and deeply researched. Both the theory analysis and simulation experiments indicate that the proposed method could improve the detection performance and decrease the error probability effectively under power constraints of local sensors and low signal to noise ratio.     

基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明:该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.     

基于混合算法的电力系统负荷预测

电力系统负荷预测是电力系统中的一个重要的研究课题。对神经网络算法和时间序列预测算法进行加权融合,提出一种混合算法对EUNITE竞赛数据进行了短期电力负荷预测。实验结果表明负荷预测精度得到了很大的提升。     

基于LASSO分位数回归的中期电力负荷概率密度预测方法

中期电力负荷预测过程中往往会受到多种外界因素(诸如温度、节假日、风力大小等)的不确定性干扰,并且影响中期电力负荷预测的因素复杂多变、规律各异,难以精准地进行预测.在大数据环境下,如何在种类繁多、数量庞大的影响因素中快速获取有价值信息成为了电力负荷预测问题的关键所在.提出的基于LASSO分位数回归概率密度预测方法,首先从影响电力负荷预测的多种外界因素中挑选出重要的影响因子,建立LASSO分位数回归模型.然后,使用triangular核函数,将LASSO分位数回归与核密度估计方法相结合,进行中期电力负荷概率密度预测.以中国东部某副省级市的历史负荷和外界影响因素(包括温度、节假日及风力大小)为算例,运用LASSO分位数回归方法进行中期电力负荷概率密度预测,得到的平均绝对误差在中位数和众数上分别为3.53%和3.69%,优于未考虑外界因素和考虑外界因素未进行变量选择的情况.为了进一步验证该方法的优越性,将其与非线性分位数回归和基于三角核的分位数回归神经网络概率密度预测方法进行对比分析,说明该方法能较好解决电力负荷预测中的高维数据问题,从而获得比较准确的电力负荷预测结果.     

基于自适应遗传算法和BP网络的物重监测模型

采用自适应遗传算法与误差反向传播算法(BP)相结合,建立一个通过图像监测物体重量的模型。先对图像进行特征提取,然后用遗传算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免局部极小。作为实例,利用圆柱体、锥形体、梯形体等物体图像相关资料建立了数据库,将图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知物体重量。由实例表明,该方法在预测物体重量中是可行的,误差较小,为物体重量监测提供了一种新思路和新方法,可用于大型生产线上的物体重量在线监测和质量控制。     

具有时间耦合约束的多时段智能电网实时电价

实时电价是未来智能电网理想的定价机制.本文以社会福利最大化模型为基础,对智能电网的实时电价策略进行研究.按照电器运行特点将电器分为必须运行的电器、弹性电器和半弹性电器,针对弹性电器和半弹性电器的用电量关于时间具有耦合性,建立一个多时段的优化模型.采用松弛方法,将多时段的模型分解成一组单时段优化问题,利用对偶理论,给出一个分布式算法,得到实时电价,算法不需要用户向供电商以及其他用户透露自己的具体用电信息,保护了用户的个人隐私,有效求解了多时段的社会福利最大化模型.数值仿真验证了所建模型的合理性以及算法的有效性.     

基于包容性检验的舰船装备维修费组合预测

针对舰船装备维修费组合预测中,容易出现预测模型数量多于用于组合预测的样本数量,以及在已有舰船装备维修费组合预测模型中增加一个预测时,可能会降低组合预测性能的问题,通过对现有两模型包容性检验方法的分析,提出了带有截距项的多模型组合包容性检验。在此基础上,通过按模型的优劣次序逐步进行包容性检验和组合的思路,提出了基于包容性检验的舰船装备维修费组合预测模型选择方法,不仅可以降低包容性检验的计算量,而且可以提高舰船装备维修费组合预测的性能。     

数据特征驱动的火电产能过剩分解集成预测模型

有机融合数据特征驱动与多模态信息集成建模思想,构建了中国火电行业产能过剩组合预测方法和模型.首先识别火电产能过剩规模时序数据的本质和模式特征,发现其不仅具有非平稳,非线性特征,还呈现高复杂性和突变性;其次采用与数据特征相配的变分模态分解方法将时序数据分解,得到多个分量;然后识别各分量的数据特征,据此选择三次指数平滑-最小二乘支持向量机模型进行预测;最后集成各分量预测结果,得到火电产能过剩规模的最终预测结果.实证检验表明,所构建模型的预测水平精度,方向精度和稳定性均优于目前广泛使用的单一模型和其他组合预测模型.预测结果显示,2020-2022年中国火电产能过剩规模仍处于较高水平,呈先降后升趋势,且体制扭曲仍将是火电产能过剩的决定性因素.     

基于ARIMA模型的短时交通流实时自适应预测

实时、准确的短时交通流量预测是智能交通系统(ITS)中的一个关键问题。基于采用ARIMA(P，d，0)模型结构的时间序列分析方法，提出一种短时交通流实时自适应预测算法。在该算法中采用带遗忘因子的递推最小二乘方法进行参数估计，采用基于线性最小方差预报原理的Astrom预报算法进行预报。针对大量实测数据进行仿真实验，结果表明：减小遗忘因子可以提高一步预测的性能。此外，将该算法分别应用于工作日和双休日的数据时，仿真实验都取得了较好的预测效果，说明该算法对不同交通流状况具有较好的适应性。     

自组织数据挖掘与回归分析方法的比较研究

采取定性分析、理论分析和实验研究相结合的方式,从三方面对自组织数据挖掘方法与回归分析方法进行比较:包括二者的算法过程,对不同对象的拟合和预测效果以及二者的联系。结果不仅揭示了二者的区别和联系,而且表明,自组织数据挖掘方法是复杂系统模拟预测的有效工具。     

基于灰色RBF神经网络的炼钢煤气消耗预测

煤气消耗预测是钢铁企业中能源管理重要组成部分之一,以炼钢过程煤气消耗为研究对象,将灰色理论与径向基函数（RBF）神经网络进行组合,建立了基于灰色RBF神经网络的炼钢煤气消耗预测模型,利用灰色理论累加求和特性对样本数据进行预处理,减小了数据的随机性,增强了数据变化的规律;利用RBF神经网络逼近这种数据变化的规律,通过预测误差,动态调整RBF神经网络的结构,使得预测误差在允许的范围内。通过仿真表明,提出的模型预测精度较BP神经网络预测精度高,均方差为2．02％,     

基于神经网络方法的大型电网短期负荷预报

电力系统负荷预报研究现状,介绍了神经网络方法应用于电力系统短期负荷预报的可行性及存在的问题。详细讨论了应用BP神经网络、共轭梯度算法改进BP神经网络方法进行电力系统短期负荷预报的算法,及在预报过程中对电网负荷数据进行预处理方法。分别应用二种方法对东北电力系统进行了72小时短期负荷预报仿真。仿真结果表明,BP神经网络训练时间长,预报精度低;而共轭梯度算法改进BP神经网络算法训练步数大大减小,缩短了网络训练时间,而且提高了预报精度。该方法可行,可用于电力系统短期负荷在线预报。     

具有多类资源多类用户智能电网实时定价决策

智能电网中的实时定价问题,对于当前正处于全面建设阶段的我国智能电网建设进程的后继顺利发展以及经营企业的经济效益和竞争力都将产生重要影响.基于反映智能电网中电力需求或电力消耗动态变化需求侧管理(DSM)思想,利用动态博弈理论研究了实时定价和电力采购决策问题.该研究创新性地考虑了电力零售市场中零售商通常需要采购不同电力资源然后将其销售给不同类型用户这一现实,改变以往研究电力市场中零售商和用户之间策略互动时仅研究单一类型用户和单一类型电力来源局限,使用特殊的效用函数来模型短期用户的偏好和消费模式,将采购不同类型电力资源零售商与其服务的不同类型用户之间的策略互动构造出一个五阶段动态Stackelberg博弈模型,最终使用逆推归纳法求出博弈解子博弈精炼纳什均衡,从而为零售商提出了一种基于智能电网DSM实时定价的新型博弈决策机制,既为零售商提供了一种最优采购和定价机制,也通过实时定价为不同类型用户提供电力消费的不同最优反应模式.数值仿真表明了所提出的机制的有效性及系统参数变化对决策的影响.     

交易频率视角下我国股市量价关系研究

从理论上分析了指令驱动市场均衡价格的形成过程,发现了实时交易过程中交易频率对资产价格行为的直接影响,采用上海股市实时分笔交易数据对理论结论进行实证检验.实证结果支持了理论模型中交易频率是影响资产价格波动性的判断,并发现在实时交易过程中交易频率确实是一个市场信息流动表征信号.     

航空发动机组合维修策略的备件需求规律

以单台航空发动机系统在定时维修和失效更换相结合的维修策略下的备件需求规律为研究对象,假设航空发动机中的部件寿命服从一般分布,利用Phase-Type(PH)分布的稠密性将一般分布表示为PH分布形式;然后通过仿真获取整个发动机系统的备件更换时间序列;在仿真结果基础上,利用EM算法将单台发动机的备件需求点过程拟合为马尔可夫到达过程(Markovian arrival proccss,MAP),并根据MAP性质确定了多台相同发动机组成的系统的备件需求规律;最后通过一个示例说明了本文方法的有效性.文中通过仿真获取样本数据,再采用拟合算法确定需求规律的研究思路具有很好的通用性,对他人的研究工作有一定借鉴作用.     

体内微机电多维无线能量传输系统的仿真分析

介绍了无线能量传输系统的工作原理及其在实际应用上的不足,建立了多维松耦合能量传送器仿真模型,分析了接收线圈位置和姿态夹角对系统耦合系数的影响。仿真结果表明:三维接收线圈在不同姿态下均可以得到较好的互补效果,防止传输效率过低。还根据微机电系统对电压的要求,建立了整流、稳压电路模型,电路分析结果表明:该电路输出功率约180mV,电压平稳,完全可满足微机电系统对电源的要求。