一、风力发电项目风险因素识别与分析(论文文献综述)
杜乐[1](2021)在《陆上风电项目度电成本风险管理研究》文中提出在我国能源转型和可持续发展优化的背景下,我国陆上风电项目累计装机规模不断扩大的同时也暴露出了诸多问题。陆上风电项目具有投资较大、运营周期长且技术复杂的特点,导致项目在全寿命周期中面对的风险因素众多且复杂。项目在各种风险因素的作用下极易导致实际成本超出计划,加剧了项目的生存压力。因而如何科学合理地评价陆上风电项目全寿命周期中实际面对的成本风险,提出有效的风险管控措施进而完善项目成本风险管理体系,对于陆上风电项目的可持续发展具有十分重要的意义。在综述风电项目成本管理与风险管理相关研究现状的基础上,本文以风电项目成本管理为研究基础,引入全寿命周期度电成本管理理论与风险管理理论,改变了过去以单位千瓦造价作为成本衡量指标的简单粗放型成本管理模式。考虑与发电量和全寿命周期成本相关的风险因素,基于全寿命周期理论将项目划分为决策阶段、设计阶段、实施阶段、运营维护阶段与报废处理阶段,依据风险因素选取原则与思路对各个阶段的风险因素进行初步识别,采用变异系数法筛选出主要的风险因素后利用解释结构模型定性分析了这些风险因素之间的传导机理并进行了区域层级划分,形成了度电成本风险因素关系阶层结构图,表明了风电项目全寿命周期中前期阶段的风险控制不足将会导致风险向后期阶段蔓延传递并扩大,同时分析得到实施阶段的风险因素相互影响作用较强,分析结果验证了风险识别模型的科学性与合理性,梳理了风险因素之间的结构关系,建立了陆上风电项目度电成本风险因素指标体系。随后以实际项目为例,基于风险因素指标体系采用构建的群组AHP-Vague集风险评价模型对实际陆上风电项目进行了度电成本风险评价,验证了评价模型的适用性与科学合理性,得出该项目度电成本总体风险水平为中等风险,项目的实施阶段与运营维护阶段风险水平为中等风险,且有向较高风险发展的趋势,属于需重点关注阶段应引起重视。为进一步分析需重点关注阶段的风险状况,利用蒙特卡罗模拟进行了度电成本不确定性分析。最后依据风险因素的特性与实证研究的风险评价结果提出了科学合理的陆上风电项目度电成本风险优化管控策略。本文构建的陆上风电项目度电成本风险识别与评价模型,完善了陆上风电项目成本风险管理理论,提出了有效的风险管控策略,可以对陆上风电项目进行科学合理的投资决策与成本风险管理起到帮助,进一步提升陆上风电项目投资运营的成本效益。
王家霓[2](2020)在《工商银行J支行风电项目贷款风险控制研究》文中提出随着能源与环境问题之间的矛盾逐步突出,世界各国正在把更多解决方法寄托于可再生能源发展,在2019版《全球能源展望》报告中,国际能源署(IEA)预计到2040年全球将新增接近8500GW的电力装机,2019年-2040年,全球可再生能源的累计投资金额将达10万亿美元,其中风力发电预计在2030年投资将达到1800亿美元,预计在2040年将达到2230亿美元。这意味着我国风力发电装机投资量在未来20年间至少增长11700亿元人民币左右,项目投资人约需9300亿元左右的债务融资需求量,金额巨大的投资资金需求将会持续成为商业银行长期项目贷款的重点营销方向。但是项目贷款具有隐蔽性、滞后性、长期性和严重性等特点,促使商业银行在项目贷款开展过程中对风险的管理更加的严格和谨慎。因此,如何更好的对风电投资项目贷款风险进行有效的管理和防范,也是商业银行项目贷款风险管理工作的研究重点和重要工作。本文通过六个章节具体分析工商银行J支行风电项目贷款的风险分析,首先,本文通过对国内外的风险研究分析以及控制方法的梳理总结,对比得出项目贷款的风险点,进一步延伸至对于风电项目贷款的风险点分析;接着,通过对工商银行J支行现有风电项目的全流程跟踪分析,可以看出在对于项目的前期评级及贷款发放前的评估分析工商银行J支行的风电项目贷款都处于一个较高的安全水平,但随着项目贷款的按建设进度发放、项目的逐步建设及贷后的管理,通过按月进行的十二级分类,不难看出这些风电项目贷款逐渐出现分类结果下调,风险逐渐显现和暴露,故作者通过对现有的评级指标进行分析识别,并将评级指标总结归纳为调查类、财务分析类、增信措施类以及制度要求类四个方面,进而从以上四方面提出风险控制方案的优化措施;最后,作者描述了对风电项目贷款风险控制进行优化前后的方案情况及对比情况,并针对提出的风险优化措施也相应的从调查类、财务分析类、增信措施类以及制度要求类四个方面提出了保障措施。从而促进工商银行J支行风电项目贷款的良性运作,继而保证当地金融环境的健康稳定。本文指出了我国商业银行在项目贷款风险管理方面存在的差距和不足,同时也在风电项目贷款这一方面对现阶段的我国商业银行项目贷款风险管理提出了一些改进的建议,展望了未来在项目贷款风险管理工作发展过程中可能会出现的一些新变化,对商业银行项目贷款的风险管理工作具有一定的参考意义。
任蒲军[3](2020)在《基于PPP模式的风力发电建设项目风险管理研究》文中研究表明风能以其清洁、可再生等优点,是我国新能源发展的动力之一,且开发风能可以大大减少常规化石燃料资源的消耗,符合国家环保发展战略。然而目前我国各项建设事业正处于高速发展阶段,基础设施建设资源相对不足,同时风力发电项目的发展规模因其各项不利条件如投资周期及规模大、收益见效慢而受到严重制约。因此,如何有效解决风力发电建设项目的融资问题,是保障风力发电项目加快发展的关键因素。PPP(Public-Private-Partnership)模式,是解决这一问题的途径之一。但风电PPP项目因为引入了相对复杂的社会资本,项目内部关系错综复杂,项目实施受到多方面因素的影响。在项目全生命周期内存在的风险能否被全面识别并且公平、合理地进行分配,关系着PPP项目的推进甚至其成败。因此,有必要对风力发电PPP项目进行风险管理及分担的研究。本文以风力发电PPP项目作为研究对象,针对风险管理体系中风险因素的识别分析以及风险的评价与分担展开研究。研究主体包括以下内容:(1)立足风力发电建设项目自身的建设及投融资特点,结合PPP模式的风险管理体系,对各种风险因素进行识别。(2)结合F-AHP理论,基于所识别出的风险因素,建立了风电PPP项目的风险因素评价体系;(3)基于不完全信息理论,阐述了风险分担理论,构建了风险分担博弈模型;(4)以WQ风力发电PPP项目为例进行了上述风险评价体系及风险分担博弈模型的应用研究。研究结果表明本文建立的风险指标评价体系及风险分担讨价还价博弈模型能够在一定程度上帮助政府和私人部门决定对不同风险因素进行风险分担或共担,为风险因素复杂的风力发电PPP项目提供风险管理决策方面的理论参考。
李欣[4](2020)在《高原地区风力发电项目投资风险分析及评估模型研究》文中研究指明当今中国的能源危机和环境污染问题日益严重,所以国家大力倡导与促进可再生能源的发展。而作为可再生资源之一的风力发电,由于存在着环保、清洁、可再生等优势得到了中国的高度关注。中国地域辽阔,现有的风能资源极其丰富,近十几年在国家政策支持下风力发电项目也保持着飞速增长的趋势。但是风力发电建设具有工程复杂、投资大、技术要求高等特点,在建设过程中会遇到各种问题。而中国的高原地带基本都在西北地区其因地广人稀、风能储备丰富具有众多的风力发电投资项目,我们要在投资之前要充分考虑高原环境特征与高原地区对风力发电项目的扶持政策,进而在政府或企业投资决策前来全面识别与分析高原地区风力发电项目的投资风险并构建符合项目特点的投资风险指标体系进行风险评估非常重要。本文在查阅大量国内外文献与研究资料的基础上,通过对风力发电项目投资风险概念与特征、投资风险评估模型与识别方法等相关基础理论的梳理与研究。在此基础上,获得了风力发电项目投资风险评估的一般性指标,同时在结合高原地区独特的地理环境特征与扶持政策。利用WBS-DAEO风险识别方法从环境、政策、技术、管理、经济这五个方面来识别与分析高原地区风力发电项目潜在的投资风险,进而建立了高原地区风力发电项目投资风险指标体系。随后再结合此风力发电项目是投资决策前其评价指标具有一定的模糊性这一特点,利用直觉模糊理论对投资决策前期这一模糊性数据指标进行处理,进而构建了直觉模糊集理论与物元-可拓方法相结合的风险评估模型。通过对西北高原S风力发电项目进行案例分析,进而证实了该模型的适用性。最后为了进一步降低西北高原地区风力发电项目投资风险水平,从五个一级指标出发,提出相应的风险应对措施。本文的研究内容和理论具有实践价值,能为相似项目提供一定的参考与借鉴。本文主要从以下几个方面进行了相关理论与方法的研究与创新。第一,本文构建了整体的、系统的并符合高原地区风力发电项目投资风险特点的投资风险评估指标体系。第二,本文将直觉模糊理论引入到物元-可拓模型之中,构建了投资风险评估模型,并应用到高原地区风力发电项目投资风险评估之中。第三,本文通过对西北高原地区S风力发电项目进行案例分析,进一步验证了本文的投资风险指标体系与评估模型的可行性,并针对西北高原地区风力发电项目风险的五个一级指标出发提出了相应的风险规避措施,为相似风电投资项目提供了一定的参考与借鉴。
肖龙[5](2020)在《DHS风力发电建设项目风险管理研究》文中指出目前,我国能源发电占比最大的仍然是火电,根据能源发展环保性要求,低碳环保新能源电力将会是今后电力行业的主要发展方向。根据电力行业发展的现状,新能源发电技术中发展最快的是风力发电,其次是光伏发电。风能是一种可再生资源,取之不尽、用之不竭,加之技术成熟度高、环境破坏小和经济性好等优点,使得风力发电成为近年来新能源发电的一种主流方式。与其他项目一样,风力发电项目也具有一定的风险性,且风险存在于项目的各个阶段,有必要对风险进行识别和评价,采取有效的风险防范措施进行主动应对,预防风险的发生,确保项目效益。因此,做好风力发电项目全生命周期的风险管理工作,对风力发电项目的可持续发展具有重要意义。DHS风力发电场是广西地区比较有代表性的风力发电场,归属国有企业管理。自DHS风力发电项目筹备工作以来,企业就高度重视项目风险管理,不仅明确了项目风险管理责任部门,而且制定了风险管理相关制度,已基本形成覆盖公司全员的风险管理体制机制,但风险管理仍然在系统性、有效性等方面存在明显不足。本文按照项目风险管理的相关理论,运用德尔菲方法识别出该项目的主要风险有自然风险、政策风险、经济风险、技术风险和管理风险。采用模糊网络分析评判方法,得出政策风险是极高风险,技术风险和管理风险是高风险,经济风险是中风险,自然风险是低风险。根据风险评估结果,结合DHS风力发电项目实际情况,提出针对性的风险应对措施。采用风险规避应对政策风险;采用风险消减应对资金与投资风险;采用风险化解应对环境风险;采用风险消减应对运输风险;采用风险消减应对技术风险,希望将项目风险将到最低。本文以DHS风力发电项目为研究对象,通过采用项目风险管理的相关理论和方法,结合项目实际情况,对风力发电场项目风险进行研究,为后续投产的风力发电项目风险管理提供参考和借鉴。
高崇伦[6](2020)在《LY公司风电建设项目风险管理优化研究》文中进行了进一步梳理随着世界上不可再生资源的日益短缺,以及过多资源使用容易对环境及自然造成不可挽回的伤害,风力发电这一新的资源由于它的低污染,可以反复利用等优势,使得它得到了世界的广泛关注。近年来,在《可再生能源法》的推动和社会各界的积极参与下,我国风电产业实现跨越式发展。尤其是习近平主席在十九大报告中指出,坚持人与自然和谐共生。必须树立和实践“绿水青山就是金山银山”的理念。更是把以风电为代表的新能源产业,推上重要的历史舞台。国家能源局《风电发展十三五规划》中提出2020年底,风电累计建设容量达到2.1亿千瓦以上,由此可见政府对新能源开发的高度重视。我国风电发展的潜力巨大,在能源供应中的作用将越来越重要。本课题通过LY公司风力发电项目的风险管理问题作为研究内容和对象,运用实际调研和访谈的研究方法、理论和应用研究相结合的研究方法和风险定性、定量分析法等多种研究方法。针对风电项目建设中的风险因素进行分析和评价,重点围绕技术、经济、环境等综合评价体系。深入剖析项目建设中的面临的问题和原因,优化管理方案、制定保障措施、评估预期效果,为风电场项目建设管理工作提供有效的借鉴和参考。
姚希[7](2020)在《进出口银行甘肃省分行新能源发电项目贷款风险防范问题研究》文中研究表明习近平总书记在十九大报告明确指出,要坚决打好防范化解重大风险、精准脱贫、污染防治的攻坚战。一直以来,环境问题受到各国政府的高度关注,与此同时,不管是能源危机还是传统能源资源带来的污染问题,日益被高度重视,应运而生的则是新能源的开发利用,其中,以太阳能、风能为代表的清洁能源发电项目发展迅速,逐渐成为我国电力行业的重要组成部分,在能源平衡和能源工业的可持续发展中占有重要地位。甘肃地区风能、太能等资源丰富、开发潜力巨大,具有良好的发展前景。进出口银行甘肃省分行作为省内三大政策性银行之一,紧紧围绕国家和甘肃省重大战略规划,加大对基础设施建设、特色优势产业开发、节能环保绿色信贷等领域的支持力度,强化银政企合作,提供全方位政策性金融服务,尤其在配合甘肃省可持续经济发展需要,发挥金融导向方面,发挥了一定作用,有力地支持了省内电力能源、高速公路、对外贸易领域等的建设和发展。受甘肃省弃光弃风率持续偏高和新能源发电项目投资大、期限长、风险较高等特性影响,目前省内多数金融机构将光伏、风电等新能源发电行业列为禁止涉入或审慎支持的授信范围,严格控制信贷规模,进出口银行目前未对此设置行业限制及准入,授信政策为支持类。如何在把控风险的前提下,科学有效安全的进一步支持省内外新能源发电项目及企业的健康有序发展成为进出口银行甘肃省分行的贷款策略研究方向之一,具有一定的现实意义。论文旨在以新能源行业发展现状、存在问题、外部环境变化为切入点,结合政策性金融、全面风险管理、项目后评价管理等相关理论,通过调查问卷和简单的层次分析法对进出口银行甘肃省分行新能源发电项目的贷款共性和个性风险识别并进行分析,提出自己对新能源项目贷款的一些防范措施及策略建议,以提高进出口银行甘肃省分行新能源项目融资风险管理,进而进一步提升服务地方经济社会发展的能力。
穆兴隆[8](2019)在《海上风力发电项目工程风险管理研究》文中认为现如今全球变暖和能源危机已经成为亟待解决的问题,各国也在不断寻找新的能源方式,风资源一起储量大,分布广,清洁性好,可再生性强受到了能源界的广泛关注,风力发电应运而生,时至今日风力发电技术相对成熟而获取资源的成本较低已成成为各国替换当前能源结构的首选。随着陆上风电的装机容量不断的上升,海上风电也成为人们竞相投资的对象,但是海上风电和陆上风电存在着不小的差异性,其项目存在的风险也比较大,因此海上风电项目的风险管理也被提上了日程。本文以海上风电的风险管理为研究对象,在风险管理的有关理论基础上,以FJXHW海上风电项目为实际案例,全方位分析了海上风电项目的风险情况与风险类型,针对该项目进行风险的识别,共识别出六大类风险源,分别是政策风险、设计风险、经济风险、建设安全风险、运维管理风险、自然风险等六项,在这六大风险源下又识别出十九种风险因素。并通过层次分析法和专家打分法对FJXHW海上风电项目进行风险评价,对项目风险指标进行分析,划分风险等级。研究发现政府对于风电产业扶持政策的改变和施工作业安全都属于严重风险等级,其他都为中等风险等级的,综合评价项目风险较高。针对这一情况,为提高项目的市场收益,降低其风险性,从己判断出来的各种风险出发,有针对性的给出一些管控措施,来保证项目的顺利开展。该研究为海上风电项目的风险管理提供一定的参考意见,为我国海上风电的建设起到一定的推动作用。
赵云飞[9](2019)在《基于SVM的风电工程项目风险评价及防控措施研究》文中研究表明我国的风电行业在近十几年一直保持高速增长的态势。但是风电项目面临着经济、技术、政策等多方面的不确定影响,盲目地进行投资建设会造成社会资源的浪费以及投资者自身利益的损失。因此,在进行风电项目投资建设之前,有必要对其所面临的项目风险进行风险评估。传统的项目风险评估方法,不够精确同时需要的样本量较大,基于人工神经网络的风电项目风险评估模型容易陷入局部最优的问题,基于这种情况,本文提出适用于小样本、高维度的支持向量机算法应用于风电工程项目风险评估中。本文首先介绍了风电工程项目风险分析研究的背景和意义,简述了支持向量机的研究现状以及风电工程项目风险研究的方法理论;其次,介绍了风险的相关理论,着重研究分析了支持向量机的理论以及支持向量机在不同方面的应用;然后,根据我国风电工程项目的具体情况和发展特点,提出了应用于支持向量机评估的风电工程项目风险评估指标体系;而后,根据本文提出的风电工程项目风险评估指标体系以及相关历史数据构建了基于支持向量机的风电项目风险评估模型,该模型适用于我国内陆风电工程项目的风险评估;为了验证模型的实用性,本文进行了实证分析,对TA风电工程项目的风险进行评估;最后通过实证分析总结了风电工程项目风险防控的对策。本文结合机器学习理论中的支持向量机方法,对风电工程项目风险进行了评估,构建了适用于风电工程项目风险评估的支持向量机模型,同时将该模型应用于实际的案例中,分析评估了大唐新能源公司的TA风电工程项目的风险,并提出了风险防控的对策,具有一定的理论意义同时具备较强的实际价值。
蔺帅帅[10](2019)在《高新信息技术驱动下的微电网风险管控模型研究》文中研究说明随着绿色可持续性发展理念的不断深化,化石能源的不断消耗以及给环境带来的污染,使得分布式能源的研究越来越得到人们的重视。微电网以新能源发电为能量来源,能够大大减小对环境的污染。与化石能源发电相比,微电网发电具有低成本、低污染、易操作、高灵活性等特点,这些特点的存在促使了微电网得以快速发展。虽然微电网具有众多优点,但是,由于新能源波动随机性、人为因素、信息技术发展水平的影响等因素的存在,使得微电网的发展面临着很多风险。大数据、云计算、物联网以及人工智能等颠覆性创新技术已经在电力系统中得到了广泛的应用,然而,在微电网中的应用目前相对欠缺。所以,本文以微电网为研究对象,以高新信息技术为技术驱动,对微电网中的关键风险因素进行了定量分析,具体的研究内容如下:(1)归纳了风险管控相关理论、微电网定义、关键技术以及应用到的高新信息技术。首先,总结了风险管控相关理论,归纳了美国、欧盟以及国家电网公司电力科学研究院等权威单位对微电网的定义,得出了微电网基本结构示意图,同时,为了更好的掌握微电网,对分布式发电技术、储能技术、保护技术、运行和控制技术及电力电子技术等微电网中的关键技术进行了总结;其次,为了研究高新信息技术在微电网中的应用,对目前流行的信息技术,如大数据技术、人工智能技术、物联网技术等进行概念性分析,并对这些技术在微电网中的应用做了概括说明。(2)建立了微电网风险识别模型。首先,通过文献研究、专家调查、头脑风暴等方法从微电网发电侧、配电侧、需求侧及人为因素等四个方面对微电网中涉及到的风险因素进行了归纳;其次,为了明晰微电网各风险因素的重要性及扰动性关系,文中采用基于D数理论和DEMATEL法的微电网风险因素识别方法对所有因素进行了研究;最后,通过该方法将所有因素分为了原因因素和结果因素两类,并对所有因素的重要性进行了排序。(3)梳理微电网发电侧风险因素,构建了风力发电和光伏发电功率预测模型。首先,对发电侧的风险因素进行梳理,明确本文研究对象;其次,以大数据和人工智能等高新信息技术为技术支撑,建立了基于数据挖掘技术和改进SVM算法的风力发电功率预测算法和基于深层神经网络的光伏发电功率预测算法;之后,将构建的算法与其他算法做了对比分析,证明了大数据和人工智能算法的有效性;最后,提出了发电侧风险管控措施。(4)梳理微电网配电侧风险因素,分析了微电网调度风险和电力设备状态检修风险。首先,对配电侧的所有风险因素进行梳理,以中心度大小为依据,选取本文的研究对象为微电网调度风险和电力设备状态检修风险;之后,以大数据融合技术、云计算技术和人工智能多智能体系统、进化算法和模糊逻辑理论等高新信息技术为驱动,构建了基于多智能体系统和改进粒子群算法的微电网调度风险管控模型与基于云计算技术的电力设备状态检修策略制定模型;然后,进行了算法对比分析,证明了所建模型的有效性;最后,针对分析结果提出了风险管控建议。(5)梳理微电网需求侧风险因素,提出了微电网电力用户用电安全风险分析模型和基于物联网的微电网电力用户供用电安全监测预警平台。首先,根据重要性对风险因素进行了排序,明确了本文重点研究对象;其次,以人工智能和物联网技术为基础,构建了基于粗糙集和CS-SVM的微电网电力用户供用电安全分析方法和基于物联网的微电网电力用户用电安全监测预警平台架构和功能分析;最后,针对分析结果,制定了微电网需求侧风险管控措施。
二、风力发电项目风险因素识别与分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、风力发电项目风险因素识别与分析(论文提纲范文)
(1)陆上风电项目度电成本风险管理研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状综述 |
1.2.1 风电项目成本管理方面 |
1.2.2 风电项目风险管理方面 |
1.3 研究内容及创新点 |
1.3.1 研究内容 |
1.3.2 主要创新点 |
第2章 相关基础理论分析 |
2.1 我国陆上风电现状 |
2.1.1 风能资源条件 |
2.1.2 风电发展现状 |
2.2 全寿命周期陆上风电项目度电成本管理理论 |
2.2.1 项目全寿命周期成本阶段划分 |
2.2.2 度电成本模型 |
2.3 陆上风电项目度电成本风险管理理论 |
2.3.1 度电成本风险 |
2.3.2 风险识别 |
2.3.3 风险评价 |
2.3.4 风险管控 |
2.4 本章小结 |
第3章 陆上风电项目度电成本风险识别 |
3.1 风险因素选取原则和思路 |
3.1.1 风险因素选取原则 |
3.1.2 风险因素选取思路 |
3.2 基于全寿命周期的陆上风电项目度电成本风险初步识别 |
3.2.1 决策阶段 |
3.2.2 设计阶段 |
3.2.3 实施阶段 |
3.2.4 运营维护阶段 |
3.2.5 报废处理阶段 |
3.3 基于变异系数法的陆上风电项目度电成本风险因素筛选 |
3.3.1 变异系数法及应用步骤 |
3.3.2 风险因素筛选 |
3.4 基于解释结构模型的陆上风电项目度电成本风险因素结构分析 |
3.4.1 解释结构模型应用步骤 |
3.4.2 风险因素关系梳理 |
3.4.3 风险因素层次级别划分 |
3.4.4 风险因素结构分析 |
3.5 陆上风电项目度电成本风险因素指标体系构建 |
3.6 本章小结 |
第4章 陆上风电项目度电成本风险评价 |
4.1 陆上风电项目度电成本风险评价过程 |
4.2 基于群组AHP的指标权重确定 |
4.2.1 层次分析法确定权重 |
4.2.2 群组专家决策改进权重 |
4.3 基于多目标模糊决策Vague集的风险评价结果确定 |
4.3.1 Vague集的基本概念 |
4.3.2 Vague集的应用步骤 |
4.4 基于蒙特卡罗模拟的度电成本不确定性分析 |
4.4.1 蒙特卡罗模拟的基本原理 |
4.4.2 蒙特卡罗模拟的步骤 |
4.4.3 陆上风电项目度电成本不确定性分析流程 |
4.5 实证研究 |
4.5.1 基于群组AHP-Vague集的陆上风电项目度电成本风险评价 |
4.5.2 基于蒙特卡罗模拟的需重点关注阶段度电成本不确定性分析 |
4.6 本章小结 |
第5章 陆上风电项目度电成本风险管控 |
5.1 陆上风电项目全寿命周期度电成本风险管控策略 |
5.1.1 风险应对 |
5.1.2 风险监控 |
5.2 基于全寿命周期的陆上风电项目度电成本风险管控策略 |
5.2.1 决策阶段 |
5.2.2 设计阶段 |
5.2.3 实施阶段 |
5.2.4 运营维护阶段 |
5.2.5 报废处理阶段 |
5.3 本章小结 |
第6章 研究成果和结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(2)工商银行J支行风电项目贷款风险控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.3.3 研究述评 |
1.4 研究内容与方法 |
1.4.1 研究内容 |
1.4.2 研究方法 |
第二章 理论基础 |
2.1 风电项目贷款 |
2.1.1 风电项目 |
2.1.2 项目贷款 |
2.2 风险相关概念 |
2.2.1 风险的概念 |
2.2.2 风险的识别 |
2.2.3 风险的评估 |
2.2.4 风险的控制 |
2.2.5 风险的管理 |
第三章 J支行风电项目贷款风险控制现状及问题分析 |
3.1 J支行简介 |
3.2 J支行风电项目及贷款现状 |
3.2.1 J支行风电项目现状 |
3.2.2 J支行风电项目贷款现状 |
3.3 J支行风电项目贷款风险识别 |
3.4 J支行风电贷款风险评估 |
3.5 J支行风电项目贷款风险控制存在问题 |
3.5.1 调查问题 |
3.5.2 财务问题 |
3.5.3 增信问题 |
3.5.4 制度问题 |
3.6 原因分析 |
3.6.1 调查问题原因 |
3.6.2 财务类问题原因 |
3.6.3 增信类问题原因 |
3.6.4 制度类问题原因 |
第四章 J支行风电项目贷款风险控制方案优化 |
4.1 优化思路 |
4.2 调查分析控制的优化 |
4.2.1 加强投资预算管理 |
4.2.2 提高投资效益管理 |
4.2.3 加强市场识别调查 |
4.3 财务分析的优化 |
4.3.1 信贷从业人员提高职业素养 |
4.3.2 制定科学合理的财务报表分析指标 |
4.3.3 引入企业价值概念 |
4.3.4 引入现金流量分析指标 |
4.4 增信措施的优化 |
4.5 制度要求的优化 |
4.5.1 操作风险评估 |
4.5.2 建立顺畅的沟通渠道 |
4.5.3 完善内部监督机制 |
第五章 J支行优化方案的实施效果和保障措施 |
5.1 优化方案的实施效果 |
5.1.1 方案实施前项目情况 |
5.1.2 方案实施后项目情况 |
5.1.3 实施方案效果评价 |
5.2 优化方案的保障措施 |
5.2.1 调查风险控制方面 |
5.2.2 财务风险控制方面 |
5.2.3 增信风险控制方面 |
5.2.4 制度要求控制方面 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(3)基于PPP模式的风力发电建设项目风险管理研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究进展 |
1.2.1 国内外研究进展 |
1.2.2 研究综述 |
1.3 研究思路与技术路线 |
1.3.1 研究思路 |
1.3.2 技术路线 |
2 相关概念及特点 |
2.1 风力发电建设项目概述 |
2.1.1 我国风力发电的发展现状 |
2.1.2 风电项目的建设特点 |
2.1.3 风电项目的投融资特点 |
2.2 PPP项目风险管理 |
2.2.1 PPP模式的基本概述 |
2.2.2 风险管理的定义与产生 |
2.2.3 风险管理的目标、原则及过程 |
2.3 风电PPP项目风险管理体系 |
2.3.1 风险识别 |
2.3.2 风险分析 |
2.3.3 风险评价 |
2.3.4 风险应对 |
2.4 本章小结 |
3 风电PPP项目风险识别与评价体系 |
3.1 风险因素识别 |
3.1.1 宏观层次风险 |
3.1.2 中观层次风险 |
3.1.3 微观层次风险 |
3.2 风险评价模型构建 |
3.2.1 风险评价体系建立原则 |
3.2.2 风险评价方法 |
3.2.3 PPP项目风险评价指标体系 |
3.3 PPP项目风险评价模型 |
3.3.1 模糊层次分析理论概述 |
3.3.2 权重确定 |
3.3.3 评价集建立 |
3.3.4 模糊综合评价 |
3.4 本章小结 |
4 风险分担博弈模型的构建 |
4.1 风险分担框架 |
4.1.1 风险承担主体 |
4.1.2 风险分担原则 |
4.1.3 风险分担流程 |
4.2 风险偏好分析 |
4.2.1 风险偏好系数 |
4.2.2 初步风险分担 |
4.3 风险分担博弈模型 |
4.3.1 基本假设 |
4.3.2 模型构建 |
4.3.3 模型求解 |
4.4 本章小结 |
5 实际案例应用 |
5.1 项目概述 |
5.1.1 项目概况 |
5.1.2 项目投资 |
5.2 风险识别与评价 |
5.2.1 风险评价计算 |
5.2.2 评价结果分析 |
5.3 风险分担分析 |
5.3.1 风险的初步分担 |
5.3.2 共担风险的分担 |
5.3.3 分担结果分析 |
5.4 风险控制建议 |
5.4.1 政府部门的风险控制建议 |
5.4.2 私人部门的风险控制建议 |
5.5 本章小结 |
6 研究结论与展望 |
6.1 研究结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
附录1 |
附录2 |
附录3 |
附录4 |
(4)高原地区风力发电项目投资风险分析及评估模型研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 风力发电项目投资风险研究现状 |
1.2.2 投资风险评估模型研究 |
1.3 本文研究内容及方法和技术路线 |
1.3.1 研究内容及方法 |
1.3.2 技术路线 |
第2章 基础理论 |
2.1 风电项目投资风险概念 |
2.1.1 投资风险概念 |
2.1.2 风电项目投资风险特征及风险识别方法 |
2.2 投资风险常见评估模型研究 |
2.2.1 风险评估基础模型 |
2.2.2 风险评估经济模型 |
2.2.3 风险评估智能模型 |
2.3 直觉模糊集理论与物元-可拓模型 |
2.3.1 直觉模糊集理论 |
2.3.2 物元-可拓评估模型 |
2.4 本章小结 |
第3章 高原地区风电项目投资风险分析及指标体系构建 |
3.1 高原地区风电项目投资风险评估指标体系构建原理 |
3.1.1 风力发电项目投资风险指标体系构建原则 |
3.1.2 高原地区风电项目投资风险评估指标体系构建流程 |
3.2 高原地区风电项目投资风险识别与因素分析 |
3.2.1 环境风险 |
3.2.2 政策风险 |
3.2.3 技术风险 |
3.2.4 管理风险 |
3.2.5 经济风险 |
3.3 高原地区风电项目投资风险指标体系构建 |
3.4 本章小结 |
第4章 高原地区风力发电项目投资风险评估模型构建 |
4.1 基于直觉模糊与物元-可拓评估模型构建 |
4.1.1 基于直觉模糊集理论投资风险指标数据处理 |
4.1.2 直觉模糊物元评估模型构建 |
4.1.3 基于序关系法确定指标权重 |
4.1.4 直觉模糊关联度计算 |
4.2 案例分析 |
4.2.1 项目背景概况与介绍 |
4.2.2 基于直觉模糊集S风力发电项目投资风险指标数据处理 |
4.2.3 直觉模糊集理论与物元可拓S风力发电项目评估模型构建 |
4.2.4 基于序关系法确定S风力发电项目指标权重 |
4.2.5 关联度计算与分析 |
4.3 本章小结 |
第5章 高原地区风电项目投资风险应对措施 |
5.1 环境风险规避措施 |
5.2 政策风险规避措施 |
5.3 技术风险规避措施 |
5.4 管理风险规避措施 |
5.5 经济风险规避措施 |
5.6 本章小结 |
第6章 研究成果和结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(5)DHS风力发电建设项目风险管理研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 导论 |
1.1 选题背景及意义 |
1.1.1 选题背景 |
1.1.2 研究意义 |
1.2 风力发电建设项目风险管理国内外研究现状 |
1.2.1 风力发电建设项目风险管理国外研究现状 |
1.2.2 风力发电建设项目风险管理国内研究现状 |
1.2.3 研究综述 |
1.3 论文研究内容和研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第二章 DHS风力发电建设项目的风险识别 |
2.1 DHS风力发电建设项目概述 |
2.1.1 DHS风力发电建设项目的背景 |
2.1.2 DHS风力发电建设项目的内容 |
2.1.3 DHS风力发电建设项目的主要特点 |
2.2 DHS风力发电建设项目风险识别方法的选择 |
2.2.1 项目风险识别方法简介 |
2.2.2 DHS风力发电建设项目风险识别方法的选择依据 |
2.2.3 DHS风力发电建设项目风险识别的过程 |
2.3 DHS风力发电建设项目风险识别结果的分析 |
2.3.1 政策风险 |
2.3.2 资金与投资风险 |
2.3.3 环境风险 |
2.3.4 技术风险 |
2.3.5 运输风险 |
第三章 DHS风力发电建设项目的风险评估 |
3.1 DHS风力发电建设项目风险评估方法的选择 |
3.1.1 项目风险评估方法 |
3.1.2 DHS风力发电建设项目风险评估方法的选择依据 |
3.2 DHS风力发电建设项目风险评估步骤 |
3.2.1 构建风力发电项目模糊网络分析评判模型 |
3.2.2 构建项目风险因素集 |
3.2.3 构建项目风险因素评语集 |
3.2.4 建立单因素模糊评价矩阵 |
3.2.5 应用网络分析法确定权重 |
3.2.6 综合评价结果 |
第四章 DHS风力发电建设项目风险应对 |
4.1 DHS风力发电建设项目风险应对概述 |
4.2 DHS风力发电建设项目政策风险的规避 |
4.3 DHS风力发电建设项目资金与投资风险的消减 |
4.4 DHS风力发电建设项目环境风险的化解 |
4.5 DHS风力发电建设项目运输风险的消减 |
4.6 DHS风力发电建设项目技术风险的消减 |
结论与展望 |
致谢 |
攻读学位期间发表论文情况 |
参考文献 |
附录一 :8位专家项目风险识别调查原始记录表 |
附录二 :8位专家项目风险评估评分原始记录表 |
(6)LY公司风电建设项目风险管理优化研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究目的 |
1.2 研究意义 |
1.3 国内外研究现状综述 |
1.4 论文研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 论文技术路线 |
第2章 项目风险管理基本理论 |
2.1 项目风险基本概念 |
2.2 风险管控基本概念 |
2.3 风电建设项目风险类型 |
2.4 风电建设项目风险管理 |
2.5 风电建设项目管理基本理论和基本流程 |
2.6 全面风险管理理论 |
2.7 项目后评估理论 |
第3章 LY公司风力发电建设项目风险管理现状 |
3.1 LY公司项目概况 |
3.2 风电项目建设介绍 |
3.3 项目目标和规模 |
3.4 LY公司风险管理现状 |
3.4.1 项目管理目标 |
3.4.2 项目组织结构图 |
3.4.3 主要岗位职责 |
3.4.4 主要工程管理制度 |
3.4.5 工作分解结构(WBS)图 |
第4章 LY公司风力发电建设项目风险存在的问题及原因 |
4.1 项目风险管理存在的问题 |
4.1.1 缺乏风险管理组织建设 |
4.1.2 缺乏风险识别机制构建 |
4.1.3 缺乏合理的风险评估模型构建 |
4.1.4 风险管理控制机制不完善 |
4.2 项目风险管理问题的原因分析 |
4.2.1 风险管理意识不足 |
4.2.2 风险管理措施执行不到位 |
4.2.3 风险管理信息沟通不通畅 |
第5章 LY公司风力发电建设项目风险管理优化方案 |
5.1 总体优化设计 |
5.2 建立风险管理组织 |
5.3 项目风险识别优化 |
5.3.1 项目风险识别方法优化 |
5.3.2 决策阶段风险 |
5.3.3 实施准备阶段风险 |
5.3.4 实施阶段风险 |
5.3.5 进度风险 |
5.4 风险评估模型建设 |
5.4.1 风险建模及风险等级确定 |
5.4.2 风险评估和风险等级 |
5.5 优化的风险管控措施 |
5.5.1 决策阶段风险管控措施 |
5.5.2 实施前阶段风险管控措施 |
5.5.3 实施阶段风险管控措施 |
5.5.4 进度风险管控措施 |
第6章 LY公司风力发电建设项目风险管理保障措施及预期效果 |
6.1 风险管理信息平台建设 |
6.2 风险管理文化建设 |
6.3 公司风电项目管理预期效果 |
6.3.1 造价方面的提升 |
6.3.2 质量方面的提升 |
6.3.3 进度方面的提升 |
6.3.4 安全方面的提升 |
第7章 结论与展望 |
7.1 结论 |
致谢 |
参考文献 |
(7)进出口银行甘肃省分行新能源发电项目贷款风险防范问题研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究综述 |
1.3 研究内容与方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第二章 相关概念与理论基础 |
2.1 相关概念 |
2.1.1 新能源发电 |
2.1.2 项目风险 |
2.1.3 项目贷款风险 |
2.1.4 风险识别和评估 |
2.1.5 风险防范 |
2.2 理论基础 |
2.2.1 政策性金融理论 |
2.2.2 全面风险管理理论 |
2.2.3 项目后评价管理理论 |
第三章 进出口银行甘肃省分行新能源发电项目贷款现状及问题 |
3.1 新能源发电项目发展现状 |
3.1.1 全球新能源发电项目发展现状 |
3.1.2 我国新能源发电项目发展现状 |
3.1.3 甘肃新能源发电项目发展现状 |
3.2 进出口银行甘肃省分行支持新能源发电项目贷款风险现状及问题 |
3.2.1 进出口银行甘肃省分行简介 |
3.2.2 进出口银行甘肃省分行新能源发电项目贷款风险现状 |
3.2.3 进出口银行甘肃省分行新能源发电项目风险管理问题 |
第四章 进出口银行甘肃省分行新能源发电项目风险分析 |
4.1 进出口银行甘肃省分行新能源发电项目贷款风险识别 |
4.1.1 风险识别——项目概况 |
4.1.2 风险识别——融资方案 |
4.1.3 风险识别——偿债能力 |
4.1.4 风险识别——贷款经济效益(示例) |
4.1.5 风险识别地图设计——风险因素分析 |
4.2 进出口银行甘肃省分行新能源发电项目贷款共性风险评估分析 |
4.2.1 新能源发电项目贷款共性风险评估指标体系的构建 |
4.2.2 集中度风险分析 |
4.2.3 政策及合规风险分析 |
4.2.4 担保方式风险分析 |
4.2.5 经营风险分析 |
4.2.6 信用风险分析 |
4.2.7 市场风险分析 |
4.2.8 新能源发电项目贷款共性风险指标等级评价 |
4.3 新能源发电项目个性风险分析 |
4.3.1 光伏项目个性风险分析 |
4.3.2 风电项目个性风险分析 |
第五章 进出口银行甘肃省分行新能源发电项目风险防范对策 |
5.1 进出口银行甘肃省分行新能源发电项目的共性风险防范措施 |
5.1.1 针对贷款集中度风险的防范措施 |
5.1.2 针对政策变革引起的信贷风险防范措施 |
5.1.3 针对担保方式引起的风险防范措施 |
5.1.4 针对经营风险的防范措施 |
5.1.5 针对信用风险的防范措施 |
5.1.6 针对市场风险防范措施 |
5.2 新能源发电项目个性风险防范措施 |
5.2.1 光伏项目个性风险防范措施 |
5.2.2 风电项目个性风险防范措施 |
5.3 新能源发电项目贷款风险控制策略 |
5.3.1 规范贷前主体选择与审核机制 |
5.3.2 优化贷中风险评估制度 |
5.3.3 改善贷后风险监控机制 |
5.3.4 完善风险预警、转移和补偿体系 |
第六章 结论与展望 |
6.1 结论 |
6.2 不足与展望 |
参考文献 |
附录 项目贷款风险评价指标调查问卷 |
致谢 |
作者简历 |
(8)海上风力发电项目工程风险管理研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 选题背景 |
1.1.2 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 创新点 |
2 项目风险管理相关概念及理论基础 |
2.1 风险与项目风险的特点 |
2.1.1 风险的含义 |
2.1.2 项目风险的特点 |
2.2 项目风险管理 |
2.2.1 项目风险管理的概念 |
2.2.2 项目风险管理的目的和意义 |
2.3 海上风电项目的风险识别步骤与方法 |
2.3.1 海上风电项目的风险识别必要性 |
2.3.2 海上风电项目风险识别步骤 |
2.3.3 海上风电项目的风险识别方法 |
3 FJXHW海上风电项目风险辨别 |
3.1 FJXHW海上风电项目基本概况 |
3.1.1 风电场区域概况 |
3.1.2 风资源情况 |
3.1.3 项目地形特征 |
3.2 海上风力发电项目的风险特点 |
3.2.1 容易受到环境因素的影响 |
3.2.2 大量风险因素集中在项目运行期 |
3.2.3 各个风险因素关联性较强 |
3.3 FJXHW海上风电项目风险因素的识别 |
3.3.1 政策风险 |
3.3.2 设计风险 |
3.3.3 经济风险 |
3.3.4 建设安全风险 |
3.3.5 运营管理风险 |
3.3.6 环境风险 |
4 FJXHW海上风电项目风险评价 |
4.1 FJXHW海上风电项目风险评估方法 |
4.1.1 期望值法 |
4.1.2 决策树法 |
4.1.3 层次分析法 |
4.2 FJXHW海上风电项目风险评价指标体系的建立 |
4.3 FJXHW海上风电项目风险评价指标集合 |
4.4 FJXHW海上风电项目风险指标分析 |
4.4.1 一级风险权重值计算 |
4.4.2 二级风险权重值计算 |
4.4.3 一级与二级复合权重比计算 |
5 FJXHW海上风电项目风险应对 |
5.1 工程项目风险应对策略 |
5.2 FJXHW海上风电项目风险应对措施 |
5.2.1 政策风险应对措施 |
5.2.2 设计风险应对措施 |
5.2.3 经济风险应对措施 |
5.2.4 建设安全风险应对措施 |
5.2.5 运维管理风险应对措施 |
5.2.6 自然风险应对措施 |
6 结论与展望 |
参考文献 |
学位论文数据集 |
(9)基于SVM的风电工程项目风险评价及防控措施研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 支持向量机的发展 |
1.2.2 风险管理现状 |
1.2.3 风险管理理论在风电工程中的应用 |
1.3 本文主要内容与创新点 |
1.3.1 本文的主要内容 |
1.3.2 本文的主要创新点 |
第2章 相关理论概述 |
2.1 支持向量机基本理论 |
2.1.1 支持向量机 |
2.1.2 回归支持向量机 |
2.2 项目风险管理理论 |
2.2.1 项目风险管理内涵 |
2.2.2 项目风险识别目的及其原则 |
2.2.3 项目风险评估及其方法 |
2.3 本章小结 |
第3章 基于支持向量机的风电项目风险评价指标体系及模型构建 |
3.1 风电工程项目风险因素分析 |
3.1.1 风电工程项目的发展现景 |
3.1.2 我国风电项目投资影响因素分析 |
3.2 风电工程项目风险评价指标体系构建 |
3.3 基于支持向量机的风险评价模型构建 |
3.3.1 模型输入数据处理 |
3.3.2 基于支持向量机的风险评价模型构建 |
3.4 支持向量机与人工神经网络计算结果对比 |
3.5 支持向量机与人工神经网络相结合在投资风险中的应用 |
3.6 本章小结 |
第4章 风电工程项目风险评价实证研究 |
4.1 项目研究背景 |
4.2 风电工程项目风险评价结果分析 |
4.2.1 风险因子敏感性分析 |
4.2.2 分析结果总结 |
4.3 本章小结 |
第5章 风电工程项目风险防控措施研究 |
5.1 风险防控原理 |
5.1.1 风险应对概述 |
5.1.2 风险的分配 |
5.1.3 风险应对措施 |
5.2 TA风电工程项目的风险防控及建议 |
5.2.1 TA风电工程项目的风险影响分析 |
5.2.2 TA风电工程项目的风险防控措施 |
5.2.3 对我国风电发展的建议 |
5.2.4 对我国风电工程防范措施及建议的分析 |
5.3 本章小结 |
第6章 研究成果与结论 |
参考文献 |
致谢 |
(10)高新信息技术驱动下的微电网风险管控模型研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及研究意义 |
1.1.1 选题背景 |
1.1.2 选题意义 |
1.2 国内外研究现状 |
1.2.1 微电网风险因素研究现状 |
1.2.2 新能源发电预测技术研究现状 |
1.2.3 微电网调度优化研究现状 |
1.2.4 需求响应研究现状 |
1.2.5 高新信息技术在微电网中的应用现状 |
1.3 研究内容及思路 |
1.4 本文主要创新点 |
第2章 微电网风险管控及高新信息技术相关理论 |
2.1 风险管控相关理论 |
2.2 微电网定义与关键技术 |
2.2.1 微电网定义与结构 |
2.2.2 微电网关键技术 |
2.3 相关高新信息技术概述 |
2.3.1 大数据技术 |
2.3.2 云计算技术 |
2.3.3 人工智能技术 |
2.3.4 物联网 |
2.4 本章小结 |
第3章 高新信息技术驱动下的微电网风险因素识别 |
3.1 高新信息技术在微电网风险识别中的应用 |
3.2 微电网风险因素辨识 |
3.2.1 微电网发电侧风险因素辨识 |
3.2.2 微电网配电网侧风险因素辨识 |
3.2.3 微电网需求侧风险因素辨识 |
3.2.4 人为因素风险因素辨识 |
3.3 基于D数理论和DEMATEL法的微电网风险因素识别模型构建 |
3.4 微电网风险因素识别结果分析 |
3.5 本章小结 |
第4章 高新信息技术驱动下的微电网发电侧风险管控 |
4.1 微电网发电风险因素分析 |
4.2 基于大数据和人工智能方法的风力发电预测模型 |
4.2.1 大数据和人工智能方法在风力发电预测中的应用 |
4.2.2 基于DM-WT-CS-SVM算法的风力发电预测模型构建 |
4.2.3 算例分析 |
4.3 基于深度神经网络的光伏发电预测模型 |
4.3.1 深度神经网络在光伏发电中的应用 |
4.3.2 基于深层神经网络(DNN)的学习算法构建 |
4.3.3 仿真验证 |
4.4 微电网发电侧风险管控措施 |
4.5 本章小结 |
第5章 高新信息技术驱动下的微电网配电侧风险管控 |
5.1 微电网配电侧风险因素分析 |
5.2 基于多智能体和改进粒子群优化的微电网调度风险管控模型 |
5.2.1 多智能体技术和粒子群优化算法在微电网调度风险中的应用 |
5.2.2 Multi-agent system的构建 |
5.2.3 微电网目标函数构建 |
5.2.4 基于动态混沌搜索粒子群优化(DCPSO)算法构建 |
5.2.5 算例分析 |
5.2.6 结论 |
5.3 基于云计算和改进D-S证据理论的电力设备状态检修策略制定 |
5.3.1 云计算和改进D-S证据理论在电力设备状态检修中的应用 |
5.3.2 基于云模型和灰D-S证据理论模型的建立 |
5.3.3 算例分析 |
5.3.4 结论 |
5.4 微电网配电侧风险管控措施 |
5.5 本章小结 |
第6章 高新信息技术驱动下的微电网需求侧风险管控 |
6.1 微电网需求侧风险因素分析 |
6.2 基于粗糙集和CS-SVM的微电网电力用户供用电安全分析模型 |
6.2.1 粗糙集和CS-SVM在电力用户供用电安全风险分析中的应用 |
6.2.2 微电网电力用户用电安全检测指标体系 |
6.2.3 基于粗糙集和CS-SVM的电力用户供用电安全自动分析方法 |
6.2.4 算例分析 |
6.2.5 结论 |
6.3 基于物联网的微电网电力用户用电安全监测预警平台构建 |
6.3.1 物联网技术 |
6.3.2 电力用户用电安全检测与实现 |
6.3.3 总体架构 |
6.3.4 技术架构 |
6.3.5 业务架构 |
6.3.6 基于物联网的微电网电力用户供用电安全监测预警平台功能设计 |
6.4 微电网需求侧风险管控措施 |
6.5 本章小结 |
第7章 研究成果和结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
四、风力发电项目风险因素识别与分析(论文参考文献)
- [1]陆上风电项目度电成本风险管理研究[D]. 杜乐. 华北电力大学(北京), 2021(01)
- [2]工商银行J支行风电项目贷款风险控制研究[D]. 王家霓. 西安电子科技大学, 2020(08)
- [3]基于PPP模式的风力发电建设项目风险管理研究[D]. 任蒲军. 西安理工大学, 2020(01)
- [4]高原地区风力发电项目投资风险分析及评估模型研究[D]. 李欣. 华北电力大学(北京), 2020(06)
- [5]DHS风力发电建设项目风险管理研究[D]. 肖龙. 广西大学, 2020(07)
- [6]LY公司风电建设项目风险管理优化研究[D]. 高崇伦. 南昌大学, 2020(01)
- [7]进出口银行甘肃省分行新能源发电项目贷款风险防范问题研究[D]. 姚希. 兰州大学, 2020(01)
- [8]海上风力发电项目工程风险管理研究[D]. 穆兴隆. 北京交通大学, 2019(03)
- [9]基于SVM的风电工程项目风险评价及防控措施研究[D]. 赵云飞. 华北电力大学(北京), 2019(01)
- [10]高新信息技术驱动下的微电网风险管控模型研究[D]. 蔺帅帅. 华北电力大学(北京), 2019(01)