论文部分内容阅读
能源是人类社会可持续性发展的基石，是国民经济发展的命脉。随着经济的高速发展、人口的不断增多，能源的需求量日益剧增；在大量生产和消费能源的同时，必然排放出各种有害物质，产生温室效应，继而发生各种不可预测的灾变现象如去年我国南方地区的雪灾；面对有限的自然资源和日益增长的能源需求，能源供需失衡的状况日趋严重；因此，为确保人类可持续性发展，根据能源供需历史数据，运用合适的能源供需预测方法，预测未来的能源供应和能源需求，为政府部门进行正确的能源规划决策提供可参考的理论依据、以确保能源安全、稳定国民经济和社会发展具有非常重要的积极意义，这也正是本文研究工作的意义所在。
随着计算机科学的不断发展，人工智能学科的悄然兴起，实现类似于人的逻辑思维和问题求解能力的人工智能方法正越来越广泛地被应用于预测问题的研究，尤其对各影响因素之间复杂的非线性关系拟合能力更强，预测效果更好。能源供需预测作为一类非线性关系复杂的大系统，常规能源供需预测方法存在着明显的不足，难以满足预测精度要求，而基于人工智能的能源供需预测方法优势更加明显，必将成为未来能源供需预测问题研究的趋势，这正是本文的主要研究内容和创新之处。
着眼于能源供需预测方法的研究，本文主要研究成果如下：
1.全面分析当前能源形势、国际及国内能源发展趋势，探讨能源供需预测方法研究对于能源规划、能源安全、能源调配的重要影响；分析能源供应、能源需求及能源供需的影响因素，阐述能源供需预测研究范畴及传统能源供需预测方法。以大量文献研究为基础，从能源规划、能源供需模型、预测模型、优化模型等多方面阐述国内外能源供需预测方法研究现状及其不足，提出基于人工智能的神经网络、支持向量机和多Agent的能源供需预测研究方法，揭示未来能源供需预测方法研究趋势。
2.针对能源系统复杂的耦合关系及非线性特点，阐述基于径向基函数(RBF)神经网络理论基础及其拓扑结构、学习算法，提出改进正交最小二乘的学习算法，研究分析能源供需总量及结构的影响因子，提出构建基于RBF神经网络的能源生产及消费预测模型的方法，仿真结果表明：其精度可以满足要求。该方法总体上简单、实施方便，易于编程。
3.基于能源供需分析基础上，提取影响能源供需结构的条件因子，研究基于结构风险最小化原则构造的支持向量机，提出采用ε不敏感损失函数构建能源供需预测的支持向量机回归模型的方法，仿真结果表明：本文构建的能源供需总量预测的支持向量机模型的预测性能较好。这也表明：基于有限样本理论——统计学习理论构造的支持向量机，在小样本前提下的函数拟合方面，确能取得好的效果。
4.基于能源作为一类复杂系统既具有开放性、涌现性、动态性等复杂性特点、又具有一定的社会性，与具有自治性、社会性、响应性、能动性和预动性的智能主体Agent的特性相吻合，研究Agent类型、结构及其特性，分析能源供需预测复杂系统的特性，提出构建能源供需预测混合式Agent结构及其能源供需预测的多Agent系统分层递阶体系结构的方法；研究自组织神经网络(SOM)-k均值(k-means)的组合聚类算法，实现对不同性质的能源影响因子进行聚类分析，构建优选核函数v-SVR支持向量回归机的Agent模型，实现能源供需静态预测；设计基于灰灾变GM(1，1)-AR(p)的Agent模型，实现能源供需动态预测，并提出了多Agent方法在能源供需预测中实施的方案；经仿真实验，表明其方法有效。
本文的主要研究工作基于近年对能源供需预测方法的研究，其中基于支持向量机的能源供需预测方法在“新形势上海能源安全战略研究”课题中得到应用。