论文部分内容阅读
能源资源是人类社会生存和国民经济发展的重要物质基础，而经济的快速发展带来的能源资源短缺和环境污染问题；因此，对能源供需规划优化的研究就显得尤为重要。根据能源供需的历史相关数据，用最小二乘支持向量机(LS-SVM)方法对能源供需问题进行预测，并在能源供需预测的基础上，研究能源供需规划优化方法则是本课题研究的主要内容。
本文首先对能源-经济-环境之间的相互关系进行深入的分析，然后使用基于结构风险最小化原则的最小二乘支持向量机(LS-SVM)方法对我国未来的能源供需状况进行预测，并在此基础上对能源供需规划优化方法进行研究分析。主要研究内容包括：针对能源供需数据的复杂性和最小二乘支持向量机(LS-SVM)的参数选择问题，采用了归一化方法对能源数据进行处理和网格搜索方法对最小二乘支持向量机(LS-SVM)的参数寻优；在能源供需预测的基础之上，根据能源-经济-环境协调发展的目标建立了能源供需规划优化的数学模型；为了优化该数学模型，根据带精英策略快速非支配排序遗传算法(NSGA-Ⅱ)在处理多目标优化问题中的优越性，将该算法引入到对能源供需规划优化的数学模型进行寻优操作；在对带精英策略快速非支配排序遗传算法NSGA-Ⅱ局限性进行研究和分析的基础上，结合粒子群算法(PSO)的自身优点构造了NSGA-Ⅱ和PSO融合的新算法，并对融合后算法的精英策略进行了一定的改进，并将该新算法运用到对能源供需规划优化的数学模型进行寻优操作，以获得更加理想的优化效果。
基于上述研究，本文给出了相应的实验仿真结果，从中可以看出基于最小二乘支持向量机LS-SVM能源供需预测方法完全达到对能源供需预测的效果，同时也提高预测模型的预测精度。实验表明，能源供需规划优化的数学模型与我国能源供需情况是比较吻合，同时根据仿真结果可以看出，带精英策略快速非支配排序遗传算法NSGA-Ⅱ对能源供需规划进行优化的效果是比较理想的，不过，NSGA-Ⅱ和PSO融合的新算法对能源供需规划进行优化的效果是更加有效性的，这些研究结果为进一步对能源供需规划的研究提供了丰富的参考依据。