-
题名电力系统关键领域“卡脖子”技术评价研究
被引量：1
- 1
-
-
作者
王冲
贾琪
陈紫薇
高甲蒙
-
机构
东北电力大学经济管理学院
中国电力科学研究院有限公司技术战略研究中心
-
出处
《工业技术经济》
CSSCI
北大核心
2024年第11期153-160,共8页
-
基金
国网公司总部科技项目“新型电力系统关键领域自主化水平度量及‘补链强链’决策技术”(项目编号:SGSDDKOOYJJS 2310060)
吉林省社会科学基金项目“吉林省能源电力企业低碳化与数字化耦合机制研究”(项目编号:2024B60)。
-
文摘
电力系统技术的发展关乎社会经济结构优化调整和国家安全的战略。目前我国电力行业正在快速发展,但在关键领域依然存在技术短板,亟需突破。为进一步识别、评价电力系统关键领域存在的“卡脖子”技术问题,本文基于电力系统的特征,构建关键领域“卡脖子”技术评价体系,并采用相关二手数据进一步识别和分析具体的“卡脖子”技术,为该系统未来技术突破提供方向性指导。
-
关键词
电力系统
技术创新
技术突破
技术评价
关键领域
“卡脖子”技术
专利
技术甄别
-
Keywords
power system
technological innovation
technological breakthroughs
indicator system
key areas
“stuck neck”technology
patent
technical screening
-
分类号
F407.6
[经济管理—产业经济]
F062.4
[经济管理—政治经济学]
-
-
题名细分行业用电的CPI预测方法
- 2
-
-
作者
王一博
王晓蓉
王新迎
何远舵
王亚沙
赵俊峰
-
机构
北京大学高可信软件技术教育部重点实验室
中国电力科学研究院有限公司技术战略研究中心
-
出处
《计算机应用》
CSCD
北大核心
2018年第A02期119-123,127,共6页
-
基金
国家电网公司总部科技项目(JS71-16-005)
-
文摘
针对目前预测居民消费价格指数(CPI)所依赖的数据源单一,并且大多与CPI无本质关联的问题,提出了基于细分行业用电数据预测CPI的方法。该方法认为电力数据在一定程度上体现了社会生产的状况,因此利用电力数据预测CPI理论上能够提升模型预测精度。首先对所使用的时间序列数据进行了平稳性调整,将非平稳数据调整为平稳的数据。然后采用Pearson时延系数、带时延的KL-Divergence对不同行业用电数据对CPI的影响是否存在不同时延进行判断,其次用赤池信息量对不同行业时延进行最终选择。最后利用岭回归模型构建CPI预测模型,即利用计算而得的不同行业的最优延时,并采用岭回归限制模型维度,预测了未来的CPI。用某省真实的细分行业用电数据和CPI数据对模型效果进行了验证,相比目前最好的自回归积分移动平均(ARIMA)模型,该模型预测误差率下降50. 8%,模型稳定性提升62. 3%。通过挖掘用电量数据与CPI之间更细粒度的关系,该方法成功提高了预测结果的精确度和稳定性,能够更好地预测CPI,也进一步说明了用电信息是预测经济指标的一个重要依据。
-
关键词
CPI预测
时序数据处理
细分行业用电
电力大数据
时延
-
Keywords
CPI(Consumer Price Index)prediction
time series data processing
sectoral electricity consumption
electronic big data
time delay
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
