基于ABA-ESA的中国煤炭需求预测模型

被引：5

作者：

邹绍辉 ^{[1
,2
]}

丁治立 ^{[1
]}

机构：

[1] 西安科技大学管理学院

[2] 西安科技大学能源经济与管理研究中心

来源：

中国煤炭 | 2018年 / 44卷 / 07期

关键词：

煤炭需求; 通径分析; ABA-ESA算法; ARIMA模型;

D O I：

10.19880/j.cnki.ccm.2018.07.002

中图分类号：

F426.21 [];

学科分类号：

020205 ; 0202 ;

摘要：

精准预测未来煤炭需求量对能源政策的制定和产业结构的调整具有显著的积极意义。使用一种新的混合优化算法即基于指数退火的自适应蝙蝠算法(ABA-ESA算法),该算法不仅继承了蝙蝠算法的全局搜索能力和模拟退火算法的局部搜索能力,而且加强了算法在局部的搜索能力,加快了总体收敛速度。选取经济增长、城镇化进程和能源结构作为ABA-ESA的输入因子,使用1981-2015年共35年间各因子及煤炭消耗量作为观察数据,建立二次方程形式的煤炭需求预测模型,并将建立的模型与其他模型进行比较,发现该预测模型在准确性能上有很大的优势。预测结果表明,2020年和2030年我国煤炭需求量分别为30.01亿t标准煤和44.41亿t标准煤。

引用

页码：9 / 14+20 +20

页数：7

共 13 条

[1]

A hybrid algorithm of Ant Colony Optimization (ACO) and Iterated Local Search (ILS) for estimating electricity domestic consumption: Case of Turkey.[J].M. Duran Toksar?.International Journal of Electrical Power and Ene.2015,

[2]

A hybrid of ant colony optimization and artificial bee colony algorithm for probabilistic optimal placement and sizing of distributed energy resources.[J].M. Kefayat;A. Lashkar Ara;S.A. Nabavi Niaki.Energy Conversion and Management.2015,

[3] Chaotic bat algorithm [J].