发电企业成本管理与竞价优化理论与应用研究
发布时间：2020-12-31 04:04
营销环境的不断变化导致我国发电企业面临空前的竞争压力。一方面,发电企业从资产规模竞争逐渐转变为成本竞争,成本领先战略成为发电企业的共识;另一方面,面对“竞价上网”的市场方向,电价的分析与预测成为发电企业关注的焦点。本论文在对国内发电企业的营销环境进行分析总结的基础上,通过解释结构模型最终形成风险系统的递阶有向图。对发电企业而言,成本和电价是关键性的、相对可控的风险因素。对成本管理模式的进一步研究和对市场价格的分析及预测成为本文的重点研究内容。本论文对传统成本管理模式进行了总结,结合发电企业自身的业务特点,对发电企业运用作业成本管理模式的现实性进行了探讨。发电企业作业成本管理模型的设计主要包括以下内容:一、建立资源库,为进一步分摊到作业及成本对象建立基础;二、根据发电企业的相关业务流程,并参考国际标准,建立层次清晰、符合行业标准的电力作业库;三、确定以发电设备系统及机组为核心的成本计算对象;四、设计成本动因模型。论文针对上述各个环节展开深入讨论,并给出各个环节的具体模型设计过程。电价分析及预测的主要技术通常归结为两种:基于统计学的方法,以及基于人工智能的方法。其中,广义自回归条件异方差模...
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：122 页
【学位级别】：博士
【部分图文】：
GRNN的结构
‘1.月nOUnU.015一eUO一︸一OPUO图4一9本文方法的条件标准差曲线Fig.4· 9ConditionalSTDoftheP伪 Posedmethod由图4一8可以看出，NP一GARCH估计得出一个较为光滑的非线性曲面。在窗宽设置为定值1时，己能够使迭代具有较好的收敛性，估计出的函数曲面的总趋势基本没有变化，迭代过程可以快速地收敛。其中，第一代与第二代相比，在Xt一1=O处的取值有一个明显的变化。在其后的迭代中，边界内部的某些坐标仅仅出现了一些微量变化。经过五次迭代之后已达到较为稳定的状态。
SVM模型的预测效果也要好于剩下的两种神经网络模型，说明GARCH、GARCHX以及S姗模型的预测稳定性要强于神经网络。图5一2是该五种单一预测模型的预测误差对比。「一、丫一味、、、内Ul%0-期咚-10如-30-~神一一 SVMGRNN12时刻lhGARCH16GARCHX2O图5一单一预测模型预测结果对比Fig·5·ZC咐洲 risonofPerformaneebetweenthesinglemethods从图5一2可以看出，S姗预测最为稳定，误差点都集中在0附近;GARCH和GARCHX稳定性也较好。但是GARCH模型的预测误差大部分都在0以下，表明该模型对于电价的预测普遍偏低。RBF模型预测稳定性最差，波动较大，五个模型中的误差的最值点全部在该模型中。为了验证所选取的这五个模型的合理性，我们对这五个模型预测结果进行相关性分析，见表5一3。74
【参考文献】：
期刊论文
[1]考虑外生变量的广义自回归条件异方差日前电价预测模型[J]. 牛东晓,刘达,冯义,李金超. 电网技术. 2007(22)
[2]基于自组织映射支持向量机的日前电价预测[J]. 牛东晓,刘达,邢棉,冯义,陈广娟. 电网技术. 2007(18)
[3]基于遗传优化的支持向量机小时负荷滚动预测[J]. 牛东晓,刘达,陈广娟,冯义. 电工技术学报. 2007(06)
[4]基于GARCH误差校正的遗传支持向量机日前电价预测[J]. 刘达,牛东晓,邢棉,聂巧平. 电力系统自动化. 2007(11)
[5]区域电力市场统一交易辅助决策系统框架[J]. 何光宇,张思远,赵楠,刘敦楠,刘充许,陈雪青. 电力系统自动化. 2007(03)
[6]作业成本法在我国应用的条件分析[J]. 董爱丽,李引花. 科技情报开发与经济. 2007(04)
[7]基于GMDH的组合预测模型应用研究[J]. 何跃,杨剑,徐玖平. 计算机应用. 2007(02)
[8]我国“十一五”电力工业发展的政策取向[J]. 赵小平. 中国电力企业管理. 2007(03)
[9]区域市场中电力公司报价辅助决策系统设计[J]. 张宁,杨莉,戴铁潮,陈建华,庄晓丹,甘德强. 电力系统自动化. 2007(02)
[10]基于战略成本管理的电力市场下发电企业成本研究[J]. 吕鹃,杜纲. 华北电力大学学报(社会科学版). 2006(04)
博士论文
[1]成本管理新模式研究[D]. 栾庆伟.大连理工大学 2000
本文编号：2948926
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：122 页
【学位级别】：博士
【部分图文】：
GRNN的结构
‘1.月nOUnU.015一eUO一︸一OPUO图4一9本文方法的条件标准差曲线Fig.4· 9ConditionalSTDoftheP伪 Posedmethod由图4一8可以看出，NP一GARCH估计得出一个较为光滑的非线性曲面。在窗宽设置为定值1时，己能够使迭代具有较好的收敛性，估计出的函数曲面的总趋势基本没有变化，迭代过程可以快速地收敛。其中，第一代与第二代相比，在Xt一1=O处的取值有一个明显的变化。在其后的迭代中，边界内部的某些坐标仅仅出现了一些微量变化。经过五次迭代之后已达到较为稳定的状态。
SVM模型的预测效果也要好于剩下的两种神经网络模型，说明GARCH、GARCHX以及S姗模型的预测稳定性要强于神经网络。图5一2是该五种单一预测模型的预测误差对比。「一、丫一味、、、内Ul%0-期咚-10如-30-~神一一 SVMGRNN12时刻lhGARCH16GARCHX2O图5一单一预测模型预测结果对比Fig·5·ZC咐洲 risonofPerformaneebetweenthesinglemethods从图5一2可以看出，S姗预测最为稳定，误差点都集中在0附近;GARCH和GARCHX稳定性也较好。但是GARCH模型的预测误差大部分都在0以下，表明该模型对于电价的预测普遍偏低。RBF模型预测稳定性最差，波动较大，五个模型中的误差的最值点全部在该模型中。为了验证所选取的这五个模型的合理性，我们对这五个模型预测结果进行相关性分析，见表5一3。74
【参考文献】：
期刊论文
[1]考虑外生变量的广义自回归条件异方差日前电价预测模型[J]. 牛东晓,刘达,冯义,李金超. 电网技术. 2007(22)
[2]基于自组织映射支持向量机的日前电价预测[J]. 牛东晓,刘达,邢棉,冯义,陈广娟. 电网技术. 2007(18)
[3]基于遗传优化的支持向量机小时负荷滚动预测[J]. 牛东晓,刘达,陈广娟,冯义. 电工技术学报. 2007(06)
[4]基于GARCH误差校正的遗传支持向量机日前电价预测[J]. 刘达,牛东晓,邢棉,聂巧平. 电力系统自动化. 2007(11)
[5]区域电力市场统一交易辅助决策系统框架[J]. 何光宇,张思远,赵楠,刘敦楠,刘充许,陈雪青. 电力系统自动化. 2007(03)
[6]作业成本法在我国应用的条件分析[J]. 董爱丽,李引花. 科技情报开发与经济. 2007(04)
[7]基于GMDH的组合预测模型应用研究[J]. 何跃,杨剑,徐玖平. 计算机应用. 2007(02)
[8]我国“十一五”电力工业发展的政策取向[J]. 赵小平. 中国电力企业管理. 2007(03)
[9]区域市场中电力公司报价辅助决策系统设计[J]. 张宁,杨莉,戴铁潮,陈建华,庄晓丹,甘德强. 电力系统自动化. 2007(02)
[10]基于战略成本管理的电力市场下发电企业成本研究[J]. 吕鹃,杜纲. 华北电力大学学报(社会科学版). 2006(04)
博士论文
[1]成本管理新模式研究[D]. 栾庆伟.大连理工大学 2000
本文编号：2948926
本文链接：https://www.wllwen.com/gongshangguanlilunwen/2948926.html
