论文部分内容阅读
摘 要：本文以美国和墨西哥边界上四个州California （CA）、 Arizona （AZ）、New Mexico （NM）和Texas （TX）的能源概况为例，先使用回归拟合模型和Person相关系数法对影响各州能源使用的主要因子进行权重排序；根据分析得到的主要影响因子，建立基于变异系数法的评估模型，对各州的能源概况综合排名，并分析其与当地政策的关系；最后建立能源发展评价的人工神经网络模型，对各州能源概况的发展进行预测和评价。
关键词：Person相关系数法、人工神经网络模型、能源管理系统
1.背景
能源的合理配置和高效管理逐渐成为学术界的热点问题。早在1970年，美国西部的12个州就成立了西部能源交换共同体，致力于培养洲际合作，提高核能源的使用和管理。随着环保意识的大力推进，美国各州的能源政策都逐步将能源管理战略的核心转移到了清洁和可再生能源的开发利用上，近期美国和墨西哥边界上的四个州California （CA）、 Arizona （AZ）、New Mexico （NM）和Texas （TX）正希望签订一个重点关注清洁和可再生能源使用的新能源契约。
以往的研究表明，一個地区能源概况的发展是个漫长的过程，且受到多种因素的影响，如能源工业投资比例、当地能源政策及强度等。传统观念认为政府仅该对使用能源产生的污染进行管控，而将能源类型的选择作为经济学的研究范畴，即通过市场“看不见的手”来调节能源的使用。
学术界不少研究人员已针对能源管理问题进行过分析，并取得了一定的成果。如基于粒子群算法的新能源集热系统、区域能源供给网络热电协同规划模型等。但是这些研究都停留在对现有能源的规划层面上，而未针对清洁和可再生能源形成系统的管理模型，使得能源无效利用仍占很高比例，而且清洁和可再生能源的低使用率造成了环境的持续恶化，因此该问题仍亟待解决。
2.回归拟合影响能源概况的主要因子
本文选取美国和墨西哥边界的四个州California （CA）、 Arizona （AZ）、New Mexico （NM）和Texas （TX）的能源概况进行具体分析。在这里我们最关注的是能源主要使用去向和清洁、可再生能源的使用比例，以及其与经济（当地GDP）之间的相互关系。根据各州统计局和相关机构提供的数据，我们整理得到四个州的能源基本概况如下：
根据模型运行结果，我们可以得到各州能源概况主要影响因子权重排序。
3.能源概况排名与分析
为适应能源发展的环保要求，我们将清洁和可再生能源作为能概况描述的主要内容，且选取能源支出占GDP比例、清洁和可再生能源占能源总量比重、清洁和可再生能源每年上涨比例、每人每年的能源支出、化石能源使用下降率、居民使用地热总量和清洁能源使用成本这七个指标（以下简称Index1-7）作为评比依据。为了使各项指标合理参评并形成科学的评估系统，我们建立基于变异系数法的评估模型。
首先确定指标权重。我们用变异系数法对Index1-7对于各州能源概况的影响进行客观赋值。由于评价指标体系中的各项指标的量纲不同，不具有可比性，因此在求权重之前，我们应先计算各项指标的变异系数，以消除量纲不同而造成的影响：
以上模型结果显示，Texas的能源概况综合评分为0.1211，排名第1，California为-0.00排名第四，New Mexico和Arizona分别以0.1060和0.0347排名第2和第3。
4. 能源发展评价与预测的人工神经网络模型设计
首先选取预测指标如下：
NGTCB—天然气的消耗总量
RETCB—可再生能源的消耗总量
PATCB—石油的消耗总量
根据前文分析结果，我们利用每一种能源当年的总消耗创建它们的原始资源序列：
结果表明四个州的能源总消耗在2025至2050年逐步增加，特别是清洁和可再生能源。其中Texas州在这期间仍然保持最优能源概况排名，但在2025年可能被California州反超。
5.总结
能源的管理属于大数据分析问题，其关键在于对历史数据的横向和纵向剖析，而且应结合自然、人文、政治和环境方面等进行科学系统地安排。
本文以人工神经网络理论为核心，结合Person相关系数法和回归拟合模型等建立了科学、高效的能源管理模型，该模型集状态监控、预测及优化于一体，通过美国和墨西哥边界四个州能源概况的仿真模拟，验证了模型的合理性和科学性。
参考文献：
[1]胡焱弟，赵玉杰，白志鹏，高怀友，师荣光.土壤环境质量评价的径向基函数神经网络模型设计与应用[C].首届全国农业环境科学学术研讨会论文集.2015，11
[2]康赐荣.用人工网络（ANN）实现模糊控制[J].电脑与信息技术.2001（23）：343
关键词：Person相关系数法、人工神经网络模型、能源管理系统
1.背景
能源的合理配置和高效管理逐渐成为学术界的热点问题。早在1970年，美国西部的12个州就成立了西部能源交换共同体，致力于培养洲际合作，提高核能源的使用和管理。随着环保意识的大力推进，美国各州的能源政策都逐步将能源管理战略的核心转移到了清洁和可再生能源的开发利用上，近期美国和墨西哥边界上的四个州California （CA）、 Arizona （AZ）、New Mexico （NM）和Texas （TX）正希望签订一个重点关注清洁和可再生能源使用的新能源契约。
以往的研究表明，一個地区能源概况的发展是个漫长的过程，且受到多种因素的影响，如能源工业投资比例、当地能源政策及强度等。传统观念认为政府仅该对使用能源产生的污染进行管控，而将能源类型的选择作为经济学的研究范畴，即通过市场“看不见的手”来调节能源的使用。
学术界不少研究人员已针对能源管理问题进行过分析，并取得了一定的成果。如基于粒子群算法的新能源集热系统、区域能源供给网络热电协同规划模型等。但是这些研究都停留在对现有能源的规划层面上，而未针对清洁和可再生能源形成系统的管理模型，使得能源无效利用仍占很高比例，而且清洁和可再生能源的低使用率造成了环境的持续恶化，因此该问题仍亟待解决。
2.回归拟合影响能源概况的主要因子
本文选取美国和墨西哥边界的四个州California （CA）、 Arizona （AZ）、New Mexico （NM）和Texas （TX）的能源概况进行具体分析。在这里我们最关注的是能源主要使用去向和清洁、可再生能源的使用比例，以及其与经济（当地GDP）之间的相互关系。根据各州统计局和相关机构提供的数据，我们整理得到四个州的能源基本概况如下：
根据模型运行结果，我们可以得到各州能源概况主要影响因子权重排序。
3.能源概况排名与分析
为适应能源发展的环保要求，我们将清洁和可再生能源作为能概况描述的主要内容，且选取能源支出占GDP比例、清洁和可再生能源占能源总量比重、清洁和可再生能源每年上涨比例、每人每年的能源支出、化石能源使用下降率、居民使用地热总量和清洁能源使用成本这七个指标（以下简称Index1-7）作为评比依据。为了使各项指标合理参评并形成科学的评估系统，我们建立基于变异系数法的评估模型。
首先确定指标权重。我们用变异系数法对Index1-7对于各州能源概况的影响进行客观赋值。由于评价指标体系中的各项指标的量纲不同，不具有可比性，因此在求权重之前，我们应先计算各项指标的变异系数，以消除量纲不同而造成的影响：
以上模型结果显示，Texas的能源概况综合评分为0.1211，排名第1，California为-0.00排名第四，New Mexico和Arizona分别以0.1060和0.0347排名第2和第3。
4. 能源发展评价与预测的人工神经网络模型设计
首先选取预测指标如下：
NGTCB—天然气的消耗总量
RETCB—可再生能源的消耗总量
PATCB—石油的消耗总量
根据前文分析结果，我们利用每一种能源当年的总消耗创建它们的原始资源序列：
结果表明四个州的能源总消耗在2025至2050年逐步增加，特别是清洁和可再生能源。其中Texas州在这期间仍然保持最优能源概况排名，但在2025年可能被California州反超。
5.总结
能源的管理属于大数据分析问题，其关键在于对历史数据的横向和纵向剖析，而且应结合自然、人文、政治和环境方面等进行科学系统地安排。
本文以人工神经网络理论为核心，结合Person相关系数法和回归拟合模型等建立了科学、高效的能源管理模型，该模型集状态监控、预测及优化于一体，通过美国和墨西哥边界四个州能源概况的仿真模拟，验证了模型的合理性和科学性。
参考文献：
[1]胡焱弟，赵玉杰，白志鹏，高怀友，师荣光.土壤环境质量评价的径向基函数神经网络模型设计与应用[C].首届全国农业环境科学学术研讨会论文集.2015，11
[2]康赐荣.用人工网络（ANN）实现模糊控制[J].电脑与信息技术.2001（23）：343