姓名：刘达
职称：教授
所在院系：经济与管理学院
研究方向：Focus Area：
Ø 能源经济大数据分析（Big Data Analysis on Energy Economics）
Ø 供应链大数据分析（Big Data Analysis of Supply Chain）
联系方式
办公地址：教一楼440A
电子邮箱：liuda@ncepu.edu.cn
办公电话：61773138
个人简介及主要荣誉称号：
刘达，男，1977年9月生，汉族，2008年华北电力大学获博士学位。2013年被聘为副教授，2019年被聘为博士生导师。2015年密歇根大学安娜堡校区访问学者。物流管理教研室主任，智慧能源研究所所长。北京能源发展研究基地核心研究人员。中国技术经济学会电力技术经济分会副秘书长、中国商业统计学会理事、中国优选法统筹法与经济数学研究会能源经济与管理研究分会理事、中国系统工程学会能源经济分会理事、中国系统工程学会服务系统工程分会理事、北京运筹学会理事、中国商业统计学会市场调查与教学研究分会理事。
主要从事主要能源经济大数据分析、物流系统优化与建模等研究工作。负责1项国家重点研发课题，1项国家社科基金，2项国家自然基金，1项北京社科基金，负责多项国家电网等资助课题。在国内外能源经济权威期刊上发表论文70余篇，其中被SCI等检索30余篇。其中2014年发表在Renewable Energy的风速预测论文受到国际同行关注，Scopus数据库中被引用达157次，在ESI高被引数据库中被标注为国际研究前沿论文（全球top1%）。获得省部级奖励3项。出版专著3本。获2项发明专利授权和1项实用新型授权。国家自然科学基金同行评议专家。《Chinese Management Studies》、《IEEE Transactions on Power System》、《Renewable Energy》、《Applied Energy》、《Mathematical Problems in Engineering》、《Renewable & Sustainable Energy Reviews》、《Journal of Renewable and Sustainable Energy》、《Information Sciences》、《Chaos, Solitons & Fractals》、《系统工程理论与实践》、《电力系统自动化》、《现代电力》、《陕西电力》等国外能源一流期刊的审稿专家。
人才培养情况:
毕业硕士十余名（全日制），大部分进入国企或者事业单位任职，4名同学出国留学或者在国内继续读博深造。
负责的科研项目情况
[1] 国家重点研发计划，制造与协作企业多价值链活动数据智能优化决策理论与方法，2020-2023,108万，负责人
[2] 国家社会科学基金项目，能源革命背景下省域风光发电消纳责任权重分配研究， 2020-2023年，20万，负责人
[3] 国家自然科学基金，基于外界影响和模型自适应的电价预测理论研究，2010-2013年,17.2万，负责人
[4] 国家自然科学基金，基于风电场相邻区域气象大数据的短期风电功率预测研究，2017年，17.9万，负责人
[5] 北京市社科基金，基于用电量分析的北京经济行业波动传导和监测预警模型研究，2013-2015年，3万，负责人
[6] 南方电网深圳供电局，基于大数据分析的物资需求预测模型研究及应用架构设计，2020-2021年，89万，负责人
[7] 国网电动汽车，产业信息咨询服务，2020年，46.9万，负责人
[8] 国网蒙东公司，运检规范化管理咨询，2019年，17.8万，负责人
[9] 国网信通埃森哲，集团产业发展研究中心支持服务，2019年，39.9万，负责人
[10] 国网宁夏公司，电力体制改革背景下电网企业预算管理优化研究咨询，2018年，34.9万，负责人
[11] 国网信通埃森哲，集团产业链延展及跨界方向研究，2017年, 34.5万，负责人
主要获奖
[1] 智能电网中的智能运营监控关键技术研究及工程应用，2019，创新成果一等奖，排名 4/10
[2] 河北省政府，基于电力市场影响的电力负荷预测模型研究，2009，科技进步三等奖，排名3/7
代表性论著
[1] Liu, D., et al., Analysis of the international polysilicon trade network. Resources, Conservation and Recycling, 2019. 142: p. 122-130.
[2] Liu, D., et al., Contribution of international photovoltaic trade to global greenhouse gas emission reduction: the example of China. Resources, Conservation and Recycling, 2019. 143: p. 114-118.
[3] Liu, D. and Sun K., Random forest solar power forecast based on classification optimization. Energy, 2019. 187: p. 115940.
[4] Liu D. and Sun K., Short-term PM2.5 forecasting based on CEEMD-RF in five cities of China. Environmental Science and Pollution Research, 2019. 26(32): p. 32790-32803.
[5] Liu, D., et al., Electricity consumption and economic growth nexus in Beijing: A causal analysis of quarterly sectoral data. Renewable & Sustainable Energy Reviews, 2018. 82(3): p. 2498-2503.
[6] Liu, D., et al., Monthly Load Forecasting Based on Economic Data by Decomposition Integration Theory. Sustainability, 2018. 10(32829).
[7] Liu, D., et al., Optimum subsidy to promote electric boiler investment to accommodate wind power. Sustainability, 2017. 9(8746).
[8] Liu, D., et al., Forecast modelling via variations in binary image-encoded information exploited by deep learning neural networks. PLoS One, 2016. 11(e01570286).
[9] Liu, D., et al., Optimum electric boiler capacity configuration in a regional power grid for a wind power accommodation scenario. Energies, 2016. 9(3).
[10] Liu, D., J. Wang and H. Wang, Short-term wind speed forecasting based on spectral clustering and optimised echo state networks. Renewable Energy, 2015. 78: p. 599-608.
[11] Liu, D., et al., Short-term wind speed forecasting using wavelet transform and support vector machines optimized by genetic algorithm. Renewable Energy, 2014. 62: p. 592.
[12] 刘达等，电力市场建模预测与实践，中国水利水电出版社，2019
