导师信息#华北电力大学经济与管理学院研究生导师介绍#王永利 ...

xuefei2016

姓名: 王永利职称: 副教授学位: 博士教研室: 电力经济管理教研室电话: 010-51963870Email: wyl6006@126.com研究专业1: 技术经济及管理 研究专业2: 工业工程，企业管理研究方向1: 技术经济预测与评价 研究方向2: 电力经济，微网和分布式能源系统研究成果:王永利，副教授，技术经济及管理博士，中国社科院财经战略研究院博士后。现就职于华北电力大学经济与管理学院电力经济管理教研室，专业：技术经济及管理，工业工程，企业管理，主要研究方向是能源经济，电力负荷预测，技术经济评价，微网和分布式能源等。王永利在国内外发表学术论文20余篇，其中被SCI收录3篇，被EI收录15篇，获得省部级科技成果一等奖1项，二等奖1项，获得专利2项，参与科研项目15项，负责科研项目7项，包括：1项国家自然科学基金，1项教育部博士点基金，1项博士后基金，1项中国社科院项目，其他科研项目十余项。1. 负责和参与完成的主要研究项目（1）国家自然科学基金项目（71101048）：“智能电网中的微网的电力需求侧管理研究”，负责人。（2）教育部博士点专项基金项目（20110036120001）：“微网中分布式能源的优化集成与发展机制研究”，负责人。（3）中国社科院项目，“中国电力、煤炭发展与安全评价”，负责人。（4）中国博士后基金项目，“电力行业突发事件应急管理体系及动态评价研究”，负责人。（5）北京电力公司项目，“投资建设分布式天然气“三联供”项目实践研究报告”，负责人。（6）吉林省电力公司项目，“电网企业合理投资规模分析研究”，负责人。（7）国家自然科学基金项目,“智能电网中适应不稳定大规模清洁能源发电的联合智能调度管理理论研究”，主研人。（8）中国电力科学研究院科研项目：“分布式电源接入配电网的技术经济分析研究”，项目负责人。（9）国家电网公司重大科技创新项目：“电能在终端能源中的竞争力应用技术研究”，主研人。（10）大唐韩城第二发电有限公司资助项目“陕西韩城二电厂2×600MW机组项目后评价”，团队负责人。（11）吉林省电力公司资助项目“电力客户满意度调查” 团队负责人。 ………………2. 获奖情况（1）所研成果“区域电网用电市场分析与智能预测系统研究”获得2009年“全国商业科技进步一等奖”。（2）所研成果“经济预测软件系统”获得全国商科教育实践教学大赛二等奖。（3）硕士论文“海勃湾电厂三期工程项目建设实施过程后评价研究”获得河北省优秀硕士论文。（4）博士论文“区域客户端能源综合需求侧管理理论及应用研究”获得华北电力大学优秀博士论文。3. 发表的代表性学术论文[1] Power load forecasting using support vector machine and ant colony optimization[J]. Expert Systems With Applications. （SCI检索）[2] A new short-term power load forecasting model based on chaotic time series and SVM[J]. Journal of Universal Computer Science. （SCI检索）[3] Optimizing of support vector machine forecasting model based on data mining and lyapunov exponents[J]. Journal of Central South University of Technology.（SCI检索）[4] Power load forecasting using data mining and knowledge discovery technology[J]. International Journal of Intelligent Information and Database Systems. （EI检索）[5] Optimization of support vector machines based on rough sets in seasonal load forecasting[J]. Journal of Information and Computational Science. （EI检索）[6] Optimizing of BP neural network based on genetic algorithms in power load forecasting[C]. 37th Annual Conference of the IEEE Industrial Electronics Society. （EI检索）[7] Optimizing of SVM with hybrid PSO and genetic algorithm in power load forecasting[J]. Journal of Networks. （EI检索）[8] Project construction evaluation model for biomass power plant based on support vector machines[J]. Journal of Information and Computational Science. （EI检索）[9] Study of support vector machines based on immunogenetic particle swarm algorithm in short-term power load forecasting model[C]. 2nd iCBBE. （EI检索）[10] Power plant construction project safety management evaluation with fuzzy neural network model[C]. 2008 IEEE Asia Pacific Conference on Circuits and Systems. （EI检索）[11] Power load forecasting using data mining and knowledge discovery technology[C]. Lecture Notes in Computer Science. （EI检索）[12] Study of the SMO algorithm based on data mining in short-term power load forecasting model[C]. Proceedings of WCICA. （EI检索）