刘达
- 作品数：77 被引量：559H指数：14
- 供职机构：华北电力大学更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家教育部博士点基金更多>>
- 相关领域：电气工程经济管理自动化与计算机技术环境科学与工程更多>>
- 基于支持向量机的风电机组故障智能分类方法及其应用
- 近些年来，我国风力发电得到了迅猛发展，虽然风力发电机的设计与制造已逐步完善，但是由于运行载荷复杂多变，工作条件恶劣等特殊原因，使得风电机组的故障率居高不下，对其运行维护提出了巨大的挑战。因此研究及推广应用风电机组状态监测...
- 刘达
- 关键词：风电机组故障诊断特征提取支持向量机
- 文献传递
- 基于改进B-S模型的碳期权定价研究
- 随着全球经济的快速发展,温室气体排放引起的气候问题日益严重,为了控制气候变暖的趋势,世界各国开始设立碳减排目标,探索低碳发展的道路。为了实现“碳达峰、碳中和”目标,我国积极开展碳排放权交易,碳排放权交易已经由区域性的试点...
- 刘达
- 关键词：GARCH模型
- 基于博弈论组合赋权和改进优劣解距离法的输变电工程建设时序规划
- 2024年
- 针对输变电工程建设时序有待优化的问题,对输变电工程建设优先级评价方法进行了研究。首先,从必要性、经济性、效率性、环保性4个维度出发,构建输变电工程建设优先级评价指标体系;然后,基于博弈论的思想将分别通过序关系分析法和指标相关性权重确定法求得的主客观权重进行结合,引入灰色关联分析法对基于组合赋权的优劣解距离法进行改进,构建输变电工程建设优先级评价模型;最后,对某省电网规划项目库中4个拟建220 kV输变电工程进行建设优先级评价并展开建设时序规划。结果表明:所提出的评价方法适用性较强,能够有效辅助电网基建规划。
- 陆易凡刘达张洋王杰
- 关键词：输变电工程博弈论组合赋权
- 发电企业在区域电力市场中的协调竞价机制
- 2007年
- 通过对我国现阶段发电集团公司的组织结构和区域市场现状的分析,讨论了集团公司、区域公司和电厂在区域电力市场协调竞价机制中的地位与作用,并以集团、电厂两级协调竞价体系为研究对象,进一步阐述了该协调竞价机制的基本流程、利益平衡机制及基本的竞价策略。
- 曾鸣冯义张晶刘达李洪东
- 关键词：电力市场竞价策略
- 一种基于随机森林与稳健回归的太阳辐射度预测方法
- 本发明属于能源预测技术领域，本发明公开一种基于随机森林与稳健回归的太阳辐射度预测方法，包括步骤：S1、采集影响太阳辐射强度的原始数据集；S2、对原始数据集进行数据预处理；S3、构建RF‑SQ‑MKL多核监督学习预测模型，...
- 许晓敏斯琴卓娅姚润坤关泺允刘达王之怡崔灏旭李湘颖
- 综合评价中指标的规范化研究被引量：7
- 2008年
- 通过构造指标值的简单线性密度函数,将指标值的积分函数值作为规范化值,弥补现有的区间指标规范法的不足;效益指标、成本指标、和固定值指标的规范化都可用该方法进行处理.
- 刘达庞南生
- 关键词：综合评价
- 中国电力市场改革中的电力规划问题研究被引量：14
- 2008年
- 阐述了电力规划的意义,分析了中国电力规划中出现的问题及产生根源,有针对性地提出相关政策建议,以期统筹、协调电源和电网建设,使电力资源在最大范围内得以优化配置。
- 刘达牛东晓张云云
- 关键词：电力规划电力市场改革电源规划电网规划
- 一种基于数据空间的电力物资需求智能决策方法及系统
- 本发明涉及一种基于数据空间的电力物资需求智能决策方法及系统，方法包括：采集电力物资相关的电力企业内、外部数据建立原始数据库；对原始数据库进行预处理得到由时间维度和变量维度构成的二维数据空间；对所述二维数据空间中的变量数据...
- 刘达牛东晓任亚丽杨迪赵凌生
- 鱼群算法与神经网络结合的节能减排效果评价被引量：7
- 2012年
- 从污染物减排率、单位工业增加值减排量、治理工业污染投资总额、GDP相关指标、能耗下降率5个方面建立节能减排效果评价指标体系,分析BP神经网络与鱼群算法结合的可行性,探讨鱼群算法优化神经网络的步骤。最后对7个地区2006~2009年节能减排效果评价指标,在专家打分测评的基础上,运用神经网络及鱼群算法优化神经网络方法进行节能减排效果评价。研究结果表明：在收敛过程中,运用神经网络所得实际输出值与专家评分的误差长时间停留在0.7左右,而运用鱼群算法优化神经网络方法能够以较大的斜率快速收敛到期望误差;在误差为0.001时,前者经过202次训练后能够达到目标,而后者只需要75次训练就能达到目标,这表明鱼群算法优化神经网络具有准确、快捷、简易等优点,此方法用于节能减排效果评价行之有效。
- 杨淑霞韩奇徐琳茜刘达路石俊
- 关键词：鱼群算法BP神经网络节能减排综合评价
- 基于改进经验模态分解和混合深度学习模型的风速预测
- 2024年
- 准确的风速预测对风电消纳和电力系统的稳定运行具有重要意义。提出将改进的自适应噪声完全集合经验模态分解(ICEEMDAN)方法和混合深度学习模型相结合以提高风速预测准确性。首先,采用ICEEMDAN分解方法提取复杂风速序列中不同频率特征;其次,针对不同频率特征构建时间卷积网络(TCN)-门控循环单元神经网络(GRU)模型,获取长期时序信息并对各特征序列进行预测;最后,加权集成每个特征序列的预测值作为最终结果。实验结果表明,所提ICEEMDAN-TCN-GRU模型较对比模型模型预测精度高、稳定性强。
- 杨迪杨迪王辉成润坤张国维张国维
- 关键词：风电风速预测时间序列分解
