低碳对策之碳排放交易现状与展望

阐述了气候变化的严峻形势及全球采取国际合作的应对措施,将碳排放交易分为项目交易和配额交易2i类,并介绍了全球清洁发展机制（CDM）项目的开展情况及国际碳排放配额交易体系。在研究我国CDM项目开发现状及风险的基础上,提出了我国CDM的发展前景及碳排放交易的远景展望。在给出碳排放交易框架性研究及发展对策的同时,也指出了下一步碳排放交易机制比较研究的必要性。     

多边体超声切边声学系统研究

为了实现多边体的超精密加工,设计了多边体超声切边声学系统,利用解析法设计了变幅杆的结构尺寸及其性能参数,并采用ANSYS软件对变幅杆—工具系统进行了有限元仿真。利用HP4294A阻抗分析仪对超声切边声学系统进行了实验测试。实验结果表明测得的谐振频率符合设计要求,该声学系统可成功应用于实际生产。     

煤层气羽状水平井的开采优化

羽状多分支井在煤层气开采中具有巨大的潜力,其井型的优化布置是多分支井成功开发煤层气的关键。目前在煤层气羽状多分支井产能预测和井型优化这方面的研究并不多,给现场生产造成了困难。为此,以多分支井产能数值计算方法为基础,研究了多分支井的分支角度、分支间距和分支长度对产能的影响。结果发现：为了获得较高的产能,多分支井的井筒应垂直于最大主渗透率方向;对于给定的煤层气藏,存在一个最优的分支间距,既能保证较大的控制面积,又能保证分支间的互相影响;随着分支长度的增高,产气量也显著增大,但是考虑到煤层边界和井筒压降的影响,分支长度也应该有一个比较合理的值。     

基于J2EE的电力市场交易信息发布系统设计与实现

根据电力市场交易信息发布工作的实际需求,提出了一套电力交易信息发布系统的设计与实现方案。重点介绍了系统的软件设计技术、功能分析设计、网络结构安全性,并对系统用户情况及数据信息作了详细的分析。     

排污权交易实施后的发电投资项目价值评价方法

发电投资项目具有不确定性因素多、决策难度大的特点,而节能减排、排污权交易等措施的实施会在相当程度上影响发电投资项目尤其是火电等非清洁能源项目的价值,从而进一步增加了发电投资项目评估的复杂性。在此背景下,针对排污权交易实施后的电力工业环境,提出一种新的发电项目投资评价方法,建立了相应的实物期权模型,采用最小二乘蒙特卡洛方法获取项目价值及最优投资时机,最后通过算例分析了市场因素和监管措施对发电投资的影响。     

考虑阶梯碳交易和最优建设时序的园区综合能源系统规划

园区综合能源系统可以实现多种能源之间的多能互补、协同优化,对于节能、增效、降碳具有重要意义。针对含电、气、热多种能源类型的园区综合能源系统,提出一种考虑阶梯碳交易和最优建设时序的规划模型及求解方法。文章构建阶梯碳交易成本计算模型,并加入碳达峰、碳中和的“双碳”约束以制约园区的碳排放量;以计及投资成本、运维成本、碳交易成本、残值费用的全寿命周期费用现值最小为优化目标;通过混合整数规划进行模型算法求解,得到园区综合能源系统各设备的投建年份和容量配置方案。通过建立多个典型规划场景进行联合对比,验证了该规划模型在减少碳排放、降低系统成本等方面的有效性,并探讨了碳交易基准价格、投建次数和双碳约束对规划结果的影响。     

分支井工程设计原则

分支井技术是适应当前油田发展需要的一项重要技术。分支井改善了泄油条件、为提高产量和采收率提供巨大的潜力。文章对分支井的井眼轨道设计、钻井液设计、侧钻方式进行了介绍。由于完井技术在设计过程中占有重要的地位 ,所以从完井方式和主、支井眼密封及连通对其进行阐述     

Are the British electricity trading and transmission arrangements future-proof?

In Great Britain, electricity is traded in an energy-only market that relies upon bilateral trading until shortly before real time. The GB System Operator also uses bilateral trading to respond to changes in demand and generation and resolve transmission constraints. Prices are not explicitly spatial, although well-placed generators can charge the system operator more for their output. This paper argues that these arrangements are not well-suited for the challenges of accommodating nearly thirty percent of intermittent wind generation, often located far from demand. The market design already implemented in the north-eastern United States is likely to be more efficient.     

基于改进Self-Attention的股价趋势预测

近年来中国经济发展迅速,相应的,中国的金融市场也迅速发展,受到国内外投资者的关注,因此研究中国金融市场上股票价格趋势对学者、投资者和监管者具有重要的意义。随着量化交易等理念的兴起,越来越多的学者将深度神经网络(DNN)应用于金融领域。虽然近几年DNN在图像、语音以及文本等方面已经取得了极大的成功,但其在金融时间序列预测方面遇到了很多挑战,因为其数据本质上是高度动态性,且具有高噪声。作为DNN在时序数据处理的典型代表LSTM,由于该方法没有考虑不同时间点、不同来源数据的重要性程度,效果仍不理想。不同于在传统LSTM模型上引入Attention机制,通过改进Self-Attention模型,分别对日线数据和分时线数据进行编码并融合,学习资金流变化对股票趋势变化的影响。实验结果表明,所提方法将对趋势判断的准确率提高到63.04%,并在两个月的回测实验中获得了6.562%的收益,证明了该模型在股价趋势预测上具有一定的有效性和实用性。