2025年电工杯-中青杯选题人数发布！

经过36个小时，各个平台的相关选题投票、相关文章阅读量等各项数据进行统计，利用之前的评估办法（详见注释）。在开赛后36小时，我们基本确定各个赛题选题人数，以帮助大家更好地分析赛题局势。

第一版本论文摘要

A题 光伏电站发电功率日前预测问题

光伏发电是通过半导体材料的光电效应，将太阳能直接转化为电能的技术。光伏电站是由众多光伏发电单元组成的规模化发电设施。光伏电站发电功率日前预测是未来24小时至48小时的发电功率进行预测。由于光伏电站上方的云量、阴雨、雾霾等气象因素的不确定性，导致光伏发电功率难以准确预测。因此，如何提升光伏电站发电功率预测精度成为当前工程领域关键技术问题。

针对问题1（发电特性分析），通过预处理历史数据，结合地理信息计算理论发电量，并与实际发电量对比，分析不同电站的效率差异及季节性/日内波动特征。

针对问题2（历史功率预测模型），将光伏功率预测转化为监督学习问题，利用时间序列特征和机器学习模型（LightGBM、LSTM、RandomForest）和深度学习模型（LSTM）进行日前预测。研究结果表明，RandomForest在准确率 Acc25 和 MAPE 上表现更稳健、鲁棒性更强。

针对问题3（NWP融合预测模型），在历史功率数据基础上引入数值天气预报（NWP）信息，构建回归模型，验证NWP对预测精度的提升效果，并分析不同天气条件下的适用性。研究结果表明，融合NWP信息可显著提高预测精度（LightGBM的R²可达0.9517），尤其在晴天条件下表现更优。

针对问题4（NWP空间降尺度对预测精度的影响研究），针对数值天气预报（NWP）数据空间分辨率不足的问题，探索了空间降尺度方法在光伏功率预测中的应用。通过构建"空间降尺度增强特征"（如相邻站点温差temp_diff和辐射差irrad_diff），有效提升了模型对局地气象变化的感知能力。

关键词：发电功率预测；RandomForest；LightGBM；统计分析；空间降尺度

第二版本论文摘要

基于历史功率与NWP信息融合的光伏电站日前发电功率预测研究

摘要

随着光伏发电在电力系统中占比的不断提升，光伏电站发电功率的波动性对电网功率平衡和频率调节带来了严重挑战。本文针对光伏电站日前发电功率预测精度不高的问题，基于肯塔基州伯金市光伏电站的历史数据，构建了多种预测模型并探讨了提升预测精度的技术路径。

针对原始数据存在的缺失值和时间分辨率不统一问题，采用前向填充法处理缺失数据，通过差分计算获得实际发电量，并将数据重采样至15分钟间隔，为后续分析奠定了可靠的数据基础。

问题一通过分析光伏电站发电特性，结合太阳位置理论计算了理论发电功率，运用STL分解方法揭示了发电功率的长周期季节性变化和短周期日内波动规律，通过性能比分析发现年均性能比为85.2%，频谱分析识别出明显的24小时和12小时周期性波动特征。

问题二构建了基于历史功率的LSTM时间序列预测模型，采用7天历史数据预测未来7天发电功率的策略，通过特定的测试集划分方法（每年2、5、8、11月最后一周）进行验证，模型在白昼时段的RMSE为0.0847，MAE为0.0623，相关系数达到0.8934，准确率为91.53%，合格率为76.82%。

问题三建立了融入NWP信息的LightGBM预测模型，将气象参数（POAI、GHI、TmpF）与时间特征相结合，显著提升了预测精度，RMSE降至0.0756，准确率提升至92.44%，合格率达到82.15%。通过场景划分验证发现，在高辐照度、低直射比例和温和温度条件下，NWP信息的融入效果最为显著，进一步优化后的模型RMSE降至0.0698。

问题四探讨了NWP空间降尺度技术的应用效果，采用随机森林算法对粗分辨率气象数据进行空间降尺度处理，生成更精细的气象信息后再输入LightGBM模型进行功率预测，结果表明空间降尺度技术能够有效改善预测精度，RMSE达到0.0742，相关系数提升至0.9026，验证了该技术在MW级光伏电站功率预测中的可行性。

本研究创新性地构建了从历史功率分析到多源信息融合的完整预测体系，提出了基于气象条件的场景划分策略，并验证了NWP空间降尺度技术在光伏功率预测中的有效性，为提高光伏电站日前发电功率预测精度提供了系统性的技术方案，具有重要的工程应用价值。

关键词：光伏发电功率预测；数值天气预报；LSTM神经网络；LightGBM算法；空间降尺度

第一版本论文展示

多约束条件下城市垃圾分类运输调度问题

摘要

随着城市化进程加快，城市生活垃圾产量持续增长，垃圾分类运输已成为城市环境治理的关键环节。本文针对城市垃圾分类运输中的路径优化与调度问题，综合考虑不同垃圾类型、车辆载重约束、中转站选址及时间窗口等多重约束，建立数学优化模型并设计求解算法。

本研究基于某城区30个垃圾收集点的坐标数据和垃圾产生量数据，通过欧几里得距离构建距离矩阵，为后续路径优化提供基础数据支撑。数据预处理包括各类垃圾总量统计、理论最少车辆数估算以及车辆参数标准化，确保模型输入数据的准确性和一致性。

问题一研究单一车辆类型下的基础路径优化问题，将其建模为容量约束车辆路径问题（CVRP），采用扫描算法进行聚类分组和最近邻算法结合2-opt局部搜索的两阶段求解策略，在5吨载重约束下实现了总行驶距离最小化，求解出最优车辆数量和具体运输路径，算法时间复杂度为O(n²)。

问题二扩展为多车辆协同优化问题，建立多车型多商品车辆路径问题（MC-HFVRP）模型，将四种垃圾类型分解为独立的子问题分别求解，充分考虑各车型的载重限制、容积限制和单位运输成本差异，通过问题分解策略避免了车型间的复杂耦合，实现了总运输成本最小化和资源配置优化。

问题三构建含中转站选址与时间窗口的综合优化模型，建立位置-路径问题（LRP）框架，采用两阶段协同优化算法：第一阶段通过贪心启发式算法确定中转站选址和收集点分配，第二阶段构建两段式运输路径并优化各段路线，同时引入碳排放约束和时间窗口限制，实现了设施建设成本与运输成本的综合最小化。

本研究提出的分层求解策略和两阶段协同优化方法有效解决了城市垃圾分类运输的复杂约束问题，通过问题分解和启发式算法相结合的技术路线，在保证求解效率的同时获得了高质量的优化方案，为城市垃圾管理提供了理论支撑和实践指导，具有重要的应用价值和推广意义。

关键词:垃圾分类运输；车辆路径问题；位置-路径问题；扫描算法；两阶段优化

康养城市资源配置优化：基于熵权TOPSIS与多目标规划的综合模型 

摘要

在人口老龄化加速和健康中国战略深入推进的背景下，康养城市建设已成为提升居民生活质量的重要途径。本研究针对康养资源分布不均衡、评价体系缺失和配置效率不高等关键问题，构建了系统性的康养城市资源优化配置方案。

数据处理方面，本研究收集了海口市2018-2024年康养资源、健康指标、环境质量和经济发展数据，通过标准化处理、相关性分析和KMO检验等方法确保数据质量和适用性。

问题一通过构建多元线性回归模型分析康养资源与健康效益的关系，计算各类设施的边际效益和成本效益比，识别出医疗设施成本效益比最高(0.2959)、养老机构边际效益最大(44.0853)的资源配置特征，为优化布局提供了定量依据。

问题二运用熵权法和TOPSIS理想解法构建康养城市综合评价模型，通过PCA降维和t-SNE处理四个维度指标，计算得出2024年康养发展综合得分为0.6234，排名第3位，识别出居民健康维度权重最高(0.3156)，为城市发展定位提供了科学评价。

问题三建立多目标线性规划优化模型，以覆盖效率、成本效益和资源公平性为目标函数，结合老龄化动态预测和预算约束，求解出2025年最优配置方案：医疗设施1456个、养老机构75个、公园绿地47个、文化设施35个，预算利用率达96.8%，并通过蒙特卡洛模拟验证了方案的稳健性。

本研究创新性地将多元回归、熵权TOPSIS评价和多目标线性规划相结合，构建了康养资源"分析-评价-优化"的完整框架，通过敏感性分析和区域差异化配置策略，为政府制定康养城市发展规划提供了科学决策支持。

关键词:康养城市；资源优化配置；TOPSIS评价模型；多目标线性规划；熵权法