输变电工程项目后评价财务效益参数反演
发布时间：2021-09-03 04:49
随着电网的快速发展,电力建设项目发展速度也在不断的加快,国家开始逐步加强对输变电建设的相关投资。而项目投资决策财务效益研究的大部分数据来源于同类项目的历史资料或者对项目未来前景的分析,虽然目前已经有较为成熟的决策方法保证投资决策的可靠性,但是并不能保证项目实施过程中不会发生风险,进而影响投资效益。考虑到实际情况的复杂性,当预测数据与实际情况出现较大偏差时,会导致实际的投资决策往往不是最优方案,故需要进行输变电工程财务效益评价参数反演。结合实际工程需求,本文进行了输变电工程项目财务效益参数反演多目标体系研究。根据项目实际运营数据,调整输送电量、输电价格、运行成本、投资计划、资本结构参数五个方面,分析项目在何种情况下可以达到财务效益最优情况,从而可以给出对电网企业投资决策一些合理建议,建立一个投资与财务效益相结合的科学观念,为指导同类工程下一次投资决策提供依据。由于盈利能力和偿还能力是项目财务分析的两大主要内容,考虑到他们互相制约、互相冲突,本文建立了盈利能力与偿还能力最大的多目标投资优化参数反演模型,在工程项目投资估算前提下,通过改变资本结构来进行财务参数反演,利用多目标粒子群算法兼顾企...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
盈利能力和偿还能力非劣解集由图4-1可以看出企业的盈利能力与偿还能力之间存在相互制约关系，两个目标不可能同时都达到最优，一个目标的增大会以另一个目标为代价
华 中 科 技 大 学 硕 士 学 位 论 文根据备选方案的综合属性值大小进行排序可得，最大 1, 1, 11 2TPWHM a , a=1 ，故权重为3(0,1)AW 下，最佳投资方案为方案 60.4.3.4 结果分析本文首先选择了盈利能力与偿债能力三组权值比重，分别为1(1, 0)AW 2(0.5,0.5)AW 、3(0,1)AW ，表示的含义为：1）只考虑盈利能力；2）盈利能力与偿能力同等重要；3）只考虑偿还能力；
三种方案计划投资比例
【参考文献】：
期刊论文
[1]基于双层多目标粒子群优化算法的输变电工程立项决策研究[J]. 刘志清,于青涛,张映辉,方敬韬,刘佳. 电网与清洁能源. 2017(09)
[2]探究多目标电网规划的分层最优化方法[J]. 方丽丽,桂轩,宋畅. 通讯世界. 2017(13)
[3](语言)Heronian平均算子及其决策应用[J]. 刘卫锋,常娟,杜迎雪. 中国管理科学. 2017(04)
[4]考虑需求响应影响的含分布式电源的配电网多目标协调规划[J]. 张木银,周玲,管志成,叶晨晖. 电工电能新技术. 2017(03)
[5]基于动态种群多策略差分进化模型的多目标进化算法[J]. 王亚辉,吴金妹,贾晨辉. 电子学报. 2016(06)
[6]基于分解的多目标进化算法在工程优化中的应用[J]. 张春江,TAN Kay Chen,高亮,吴擎. 郑州大学学报(工学版). 2015(06)
[7]区间数Heronian平均算子[J]. 王东晓,李自强,刘卫锋. 数学的实践与认识. 2015(21)
[8]基于不确定纯语言混合调和平均算子的多属性群决策方法[J]. 彭勃,叶春明. 中国管理科学. 2015(02)
[9]求解约束多目标区间优化的交互多属性决策NSGA-II算法[J]. 陈志旺,陈林,白锌,杨七,赵方亮. 控制与决策. 2015(05)
[10]基于改进多目标粒子群算法的配电网储能选址定容[J]. 吴小刚,刘宗歧,田立亭,丁冬,杨水丽. 电网技术. 2014(12)
博士论文
[1]基于粒子群优化算法的机组组合问题的研究[D]. 李整.华北电力大学(北京) 2016
[2]基于分解的多目标进化算法及其应用[D]. 袁源.清华大学 2015
硕士论文
[1]扬州西500千伏输变电工程项目后评价研究[D]. 沈悦新.华北电力大学(北京) 2016
[2]基于决策者偏好信息的NPS-CSS算法研究[D]. 孟婷婷.东北大学 2014
[3]基于多目标优化的粒子群算法研究及其应用[D]. 李艳丽.西南交通大学 2014
[4]铁路货运客户满意度评价及实证研究[D]. 李薇.西南交通大学 2014
[5]改扩建项目评估中经济效益评价的系统研究[D]. 杨敏.西安建筑科技大学 2005
本文编号：3380442
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
盈利能力和偿还能力非劣解集由图4-1可以看出企业的盈利能力与偿还能力之间存在相互制约关系，两个目标不可能同时都达到最优，一个目标的增大会以另一个目标为代价
华 中 科 技 大 学 硕 士 学 位 论 文根据备选方案的综合属性值大小进行排序可得，最大 1, 1, 11 2TPWHM a , a=1 ，故权重为3(0,1)AW 下，最佳投资方案为方案 60.4.3.4 结果分析本文首先选择了盈利能力与偿债能力三组权值比重，分别为1(1, 0)AW 2(0.5,0.5)AW 、3(0,1)AW ，表示的含义为：1）只考虑盈利能力；2）盈利能力与偿能力同等重要；3）只考虑偿还能力；
三种方案计划投资比例
【参考文献】：
期刊论文
[1]基于双层多目标粒子群优化算法的输变电工程立项决策研究[J]. 刘志清,于青涛,张映辉,方敬韬,刘佳. 电网与清洁能源. 2017(09)
[2]探究多目标电网规划的分层最优化方法[J]. 方丽丽,桂轩,宋畅. 通讯世界. 2017(13)
[3](语言)Heronian平均算子及其决策应用[J]. 刘卫锋,常娟,杜迎雪. 中国管理科学. 2017(04)
[4]考虑需求响应影响的含分布式电源的配电网多目标协调规划[J]. 张木银,周玲,管志成,叶晨晖. 电工电能新技术. 2017(03)
[5]基于动态种群多策略差分进化模型的多目标进化算法[J]. 王亚辉,吴金妹,贾晨辉. 电子学报. 2016(06)
[6]基于分解的多目标进化算法在工程优化中的应用[J]. 张春江,TAN Kay Chen,高亮,吴擎. 郑州大学学报(工学版). 2015(06)
[7]区间数Heronian平均算子[J]. 王东晓,李自强,刘卫锋. 数学的实践与认识. 2015(21)
[8]基于不确定纯语言混合调和平均算子的多属性群决策方法[J]. 彭勃,叶春明. 中国管理科学. 2015(02)
[9]求解约束多目标区间优化的交互多属性决策NSGA-II算法[J]. 陈志旺,陈林,白锌,杨七,赵方亮. 控制与决策. 2015(05)
[10]基于改进多目标粒子群算法的配电网储能选址定容[J]. 吴小刚,刘宗歧,田立亭,丁冬,杨水丽. 电网技术. 2014(12)
博士论文
[1]基于粒子群优化算法的机组组合问题的研究[D]. 李整.华北电力大学(北京) 2016
[2]基于分解的多目标进化算法及其应用[D]. 袁源.清华大学 2015
硕士论文
[1]扬州西500千伏输变电工程项目后评价研究[D]. 沈悦新.华北电力大学(北京) 2016
[2]基于决策者偏好信息的NPS-CSS算法研究[D]. 孟婷婷.东北大学 2014
[3]基于多目标优化的粒子群算法研究及其应用[D]. 李艳丽.西南交通大学 2014
[4]铁路货运客户满意度评价及实证研究[D]. 李薇.西南交通大学 2014
[5]改扩建项目评估中经济效益评价的系统研究[D]. 杨敏.西安建筑科技大学 2005
本文编号：3380442
本文链接：https://www.wllwen.com/qiyeguanlilunwen/3380442.html
