我国风能产业发展能力预测研究

发布时间：2024-02-24 21:48

　　能源是社会进步的原动力,随着传统能源可开采,可使用的日渐稀少,国内外对于新能源的研究越发重视。而我国这些新能源产业兴起较晚,发展缓慢,新型能源产业发展评估不够充足;近年国内不断提出生态保护、能源改革,发展开发新能源的政策,可见我国对于未来风能产业发展的迫切,在此环境下研究风能发展能力是具有时代意义的,为未来新能源发展和风能产业发展提供科学参考依据。鉴于发展新能源的大时代背景下,本文以现有国内外风能产业发展能力为依据,对未来风能产业发展能力展开具体研究。针对当前风能产业发展能力的研究大多集中在理论层面的现状,本文通过参考大量文献资料,首先在理论分析与实际相结合的基础上,建立了一套能够宏观反映风能产业发展能力的指标体系。其次,在指标体系基础上建立了我国风能产业发展能力分析模型,提炼出三个主成分,即生存能力因子、创新能力因子和发展环境因子,并且计算得到2008—2018年三个主成分得分与综合得分,对当前风能产业的综合发展能力进行了科学合理的分析,为政府制定决策提供依据。最后,构建了基于改进粒子群长短记忆时间序列神经网络(The Improved Particle Swarm Optimiza...

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

图1-1技术路线图

本文立足风能产业发展的相关概念,以风能产业为研究对象,紧紧围绕风能产业发展能力进行研究,分析了风能产业的理论内涵,阐述了风能产业发展现状,探究了风能产业发展的影响因素,并进一步构建了相应的指标体系,创新性地构建了风能产业发展能力的IPSO-LSTM预测模型,最后以风能产业为例进行....

图2-1RNN网络的四种基本形式

(4)没有时差的多对多网络,大多数会用在语音识别和图像识别等[62]。RNN网络的四种基本形式如图2-1所示:RNN神经网络输入是没有长度限制的。

图2-2RNN隐含层神经元

观察图2-2中的隐藏神经元,,v,w是输入、输出和循环的权值。h是RNN网络隐藏层的神经元,同时也是循环神经网络中关键的一部分。信息在RNN神经网络一环接一环的方式进行传递的,每一环信息都会对下一环信息有影响,这也是RNN的重要特点。和其他神经网络一样,我们在训练RNN网络时,我....

图2-3含有多个隐含层的RNN网络

在实际时间序列问题预测应用中,大多数预测都需要多层隐藏层进行分析。如图2-3所示,此图是一个四层隐藏层的RNN神经网络。除此之外,输入层{x0,x1?xt}和输出层{y0,y1?yt}也是由神经元构成的。数据通过一层一层隐藏层神经元传递,直到最后一层隐藏层循环完毕后,才算作神经网....

本文编号：3909605