许传博，2020年6月获华北电力大学管理学博士学位，北京市优秀毕业生。2020年7月入职华北电力大学经济与管理学院，担任讲师，研究方向为能源工程项目经济分析与决策优化。
目前以第一作者，通信作者发表SCI／SSCl检索论文14篇，其中一区TOP论文8篇、ESI高被引论文1篇；主持中国博士后科学基金面上项目、中国博士后国际交流项目和中央高校基金青年项目各1项，参与国家社会科学基金重点项目、国家自然科学基金面上项目及青年项目、北京市科技计划项目、企业咨询服务项目等课题十余项；荣获高等教育学会高等教育科学研究优秀成果一等奖、国际SCI期刊Joureal ot Cleaner Production和International Journal of Electrical Power and Energy Systems的“杰出审稿贡献奖”。

微电网是我国以新能源为主体的新型电力系统的重要组成部分。氢能是一种来源丰富、绿色低碳、应用广泛的二次能源，将氢能融入微电网可以大幅提升其清洁性和可靠性。因此，本书以电氢耦合微电网项目为主体，对其容量规划和投资决策问题展开了研究。与传统将容量规划与投资决策作为独立问题的研究不同，本书将最优容量规划结果作为投资决策的先决条件，实现更为精细化的投资决策。本书可为能源电力相关从业人员、投资者和政策制定者提供决策参考。

前言
第1章 绪论
1.1 选题背景及意义
1.1.1 本书的研究背景
1.1.2 本书的研究意义
1.2 国内外研究现状
1.2.1 微电网项目发展与研究现状
1.2.2 项目投资组合优化问题研究现状
1.2.3 项目投资组合优化方法研究现状
参考文献
第2章 多情景可再生能源制氢经济性评估研究
2.1 引言
2.2 光伏制氢项目LCOH评估模型
2.3 多情景结果与讨论
2.3.1 规模、技术进步率对LCOH的影响
2.3.2 LCOH构成占比
2.4 影响因素压力测试
2.5 本章小结
参考文献
第3章 多情景下电氢耦合微电网项目容量规划研究
3.1 引言
3.2 电氢耦合微电网系统的描述
3.2.1 风力涡轮机
3.2.2 光伏面板
3.2.3 氢储能系统
3.3 两阶段MCDM决策框架
3.3.1 目标函数和约束条件
3.3.2 优化算法
3.4 案例研究
3.4.1 背景
3.4.2 结果和讨论
3.5 本章小结
参考文献
第4章 不确定性情景下电氢耦合微电网项目战略对应度评估
4.1 引言
4.2 电氢耦合微电网项目战略对应评估指标体系研究
4.2.1 能源电力企业战略分析
4.2.2 战略目标的指标分解
4.3 电氢耦合微电网项目战略对应度评估研究
4.3.1 电氢耦合微电网项目不确定性分析
4.3.2 云模型理论
4.3.3 云层次分析法
4.3.4 改进的云PROMETHEE-IⅡ算法
4.4 算例分析
4.4.1 项目简介
4.4.2 指标数据收集及计算
4.4.3 指标权重计算
4.4.4 战略对应度评估结果
4.5 本章小结
参考文献
第5章 不确定性和协同性情景下电氢耦合微电网项目静态投资组合优化
5.1 引言
5.2 电氢耦合微电网项目静态投资组合优化模型特点分析
5.2.1 传统项目静态投资组合优化模型
5.2.2 计及不确定性的项目静态投资组合优化模型
5.2.3 计及不确定性和协同性的项目静态投资组合优化模型
5.3 电氢耦合微电网项目间协同性模型构建
5.3.1 电氢耦合微电网项目协同因素识别
5.3.2 基于模糊测度和云Choquet积分的电氢耦合微电网项目协同性刻画
5.4 基于线性化处理和分支定界法的项目静态投资组合优化研究
5.4.1 线性化处理方法
5.4.2 分支定界法
5.5 算例分析
5.5.1 项目简介
5.5.2 项目协同度计算
5.5.3 求解结果
5.6 本章小结
参考文献
第6章 不确定性和协同性情景下电氢耦合微电网项目动态投资组合优化
6.1 引言
6.2 电氢耦合微电网项目动态投资组合优化模型构建
6.2.1 电氢耦合微电网项目动态性问题阐述
6.2.2 动态投资组合优化模型构建
6.3 改进差分进化算法研究
6.3.1 标准差分进化算法
6.3.2 差分进化算法的改进
6.3.3 算法性能测试
6.4 算例分析
6.4.1 项目简介
6.4.2 项目协同度计算
6.4.3 求解结果
6.5 本章小结
参考文献
第7章 不确定性和协同性情景下电氢耦合微电网项目多阶段动态投资组合优化
7.1 引言
7.2 基于实物期权的电氢耦合微电网项目最佳投资时机分析
7.2.1 实物期权及电氢耦合微电网项目的实物期权特性分析
7.2.2 电氢耦合微电网项目最佳投资时机确定模型
7.3 基于多智能体强化学习的多阶段动态投资组合研究
7.3.1 电氢耦合微电网项目多阶段动态投资问题阐述
7.3.2 强化学习与Q-学习算法
7.3.3 多智能体强化学习与纳什Q-学习算法
7.4 算例分析
7.4.1 项目简介
7.4.2 项目投资时机确定
7.4.3 求解结果
7.5 本章小结
参考文献
第8章 研究成果和结论