電力系統(tǒng)源-荷智能預(yù)測(cè)技術(shù)一直是電氣領(lǐng)域的研究熱點(diǎn)，是多學(xué)科交叉滲透的綜合性研究課題。以多元源-荷特性分析為基礎(chǔ)，對(duì)風(fēng)、光等清潔能源進(jìn)行預(yù)測(cè)是實(shí)現(xiàn)智能電網(wǎng)可持續(xù)發(fā)展的重要保證之一。《電力系統(tǒng)源-荷智能預(yù)測(cè)技術(shù)》*先介紹源-荷的背景意義（負(fù)荷預(yù)測(cè)相關(guān)理論）及國(guó)內(nèi)外研究現(xiàn)狀，然后介紹源-荷智能預(yù)測(cè)的主要關(guān)鍵問(wèn)題，如能源特性分析、用戶需求響應(yīng)等，基于隨機(jī)森林、面積灰關(guān)聯(lián)決策、循環(huán)神經(jīng)網(wǎng)絡(luò)等多種智能方法進(jìn)行源-荷預(yù)測(cè)，*后針對(duì)幾個(gè)實(shí)例介紹電力系統(tǒng)源-荷智能預(yù)測(cè)技術(shù)的應(yīng)用。
目錄
前言
**篇電力系統(tǒng)負(fù)荷預(yù)測(cè)研究
第1章電力系統(tǒng)負(fù)荷預(yù)測(cè)概述 2
1.1 研究背景及意義 2
1.2 負(fù)荷預(yù)測(cè)相關(guān)理論 4
1.3 研究現(xiàn)狀 4
1.3.1 城市及配電網(wǎng)的負(fù)荷預(yù)測(cè) 4
1.3.2 基于智能電表大數(shù)據(jù)的負(fù)荷預(yù)測(cè) 7
1.3.3 概率短期負(fù)荷預(yù)測(cè) 8
第2章基于用電大數(shù)據(jù)分析的配電網(wǎng)負(fù)荷預(yù)測(cè) 10
2.1 基于用電行為特征的智能電表負(fù)荷聚類分析 10
2.1.1 智能電表數(shù)據(jù)的獲取 10
2.1.2 不同類型的負(fù)荷分析 11
2.1.3 基于 MapReduce的用電行為特征提取 15
2.1.4 基于 K-means的智能電表大數(shù)據(jù)的用戶聚類 20
2.2 計(jì)及特征冗余性的短期負(fù)荷預(yù)測(cè) 26
2.2.1 廣義*大相關(guān)*小冗余特征選擇 26
2.2.2 隨機(jī)森林 27
2.2.3 基于廣義*大相關(guān)*小冗余特征選擇的隨機(jī)森林短期負(fù)荷預(yù)測(cè) 30
2.3 基于分時(shí)特征選擇的配電網(wǎng)負(fù)荷預(yù)測(cè) 40
2.3.1 基于廣義*大相關(guān)*小冗余分時(shí)特征選擇的負(fù)荷預(yù)測(cè) 40
2.3.2 實(shí)驗(yàn)結(jié)果及分析 41
2.4 本章小結(jié) 46
第3章基于智能電表數(shù)據(jù)分析的精細(xì)化時(shí) -空負(fù)荷特性分析 48
3.1 負(fù)荷特性分析與原始特征集合構(gòu)建 48
3.1.1 東北某市負(fù)荷特性分析 48
3.1.2 愛(ài)爾蘭負(fù)荷特性分析 50
3.1.3 原始特征集合的構(gòu)建 53
3.2 基于隨機(jī)森林的城市負(fù)荷特征選擇與負(fù)荷預(yù)測(cè) 55
3.2.1 基于優(yōu)化的序列后向搜索策略和隨機(jī)森林的負(fù)荷特征選擇 55
3.2.2 實(shí)驗(yàn)結(jié)果以及相關(guān)分析 57
3.3 基于智能電表用戶特征重要度聚類的配電網(wǎng)負(fù)荷預(yù)測(cè) 69
3.3.1 實(shí)驗(yàn)數(shù)據(jù)集 70
3.3.2 基于 PI值的智能電表用戶的聚類分析 70
3.3.3 實(shí)驗(yàn)結(jié)果分析 72
3.4 本章小結(jié) 79
第4章計(jì)及多源氣象信息與評(píng)價(jià)指標(biāo)沖突的概率短期負(fù)荷預(yù)測(cè) 81
4.1 負(fù)荷預(yù)測(cè)特征構(gòu)建與多源氣象信息選擇 81
4.1.1 數(shù)據(jù)來(lái)源 81
4.1.2 負(fù)荷預(yù)測(cè)特征集合構(gòu)建 82
4.1.3 多源氣象信息選擇 86
4.1.4 數(shù)據(jù)歸一化 96
4.2 基于高斯過(guò)程回歸的概率短期負(fù)荷預(yù)測(cè)模型 97
4.3 計(jì)及評(píng)價(jià)指標(biāo)沖突的概率短期負(fù)荷預(yù)測(cè) 102
4.3.1 面積灰關(guān)聯(lián)決策 102
4.3.2 計(jì)及評(píng)價(jià)指標(biāo)沖突的概率短期負(fù)荷預(yù)測(cè)模型構(gòu)建 106
4.3.3 預(yù)測(cè)算例 107
4.4 計(jì)及多源氣象信息與評(píng)價(jià)指標(biāo)沖突的概率短期負(fù)荷預(yù)測(cè)模型 111
4.4.1 引言 111
4.4.2 計(jì)及多源氣象信息與評(píng)價(jià)指標(biāo)沖突的概率短期負(fù)荷預(yù)測(cè)模型構(gòu)建 112
4.4.3 算例分析 114
4.5 本章小結(jié) 120
第二篇電力系統(tǒng)風(fēng)、光功率預(yù)測(cè)研究
第5章風(fēng)光電站功率預(yù)測(cè)概述 124
5.1 研究背景及意義 124
5.2 風(fēng)、光發(fā)電機(jī)組介紹 126
5.2.1 風(fēng)力發(fā)電機(jī)組介紹 126
5.2.2 光伏電站介紹 128
5.3 研究現(xiàn)狀 129
5.3.1 風(fēng)功率預(yù)測(cè)研究現(xiàn)狀 129
5.3.2 光伏出力預(yù)測(cè)研究現(xiàn)狀 133
5.4 本章小結(jié) 136
第6章基于優(yōu)化特征選擇算法的短期風(fēng)速預(yù)測(cè)模型 137
6.1 風(fēng)電出力影響因素分析 137
6.1.1 風(fēng)速分析 137
6.1.2 風(fēng)電出力特性分析 138
6.2 理論背景 140
6.2.1 奇異值分解 140
6.2.2 Gini重要度 142
6.2.3 方法流程 143
6.2.4 實(shí)例分析 144
6.3 本章小結(jié) 162
第7章基于改進(jìn) VMD與雙向 LSTM的風(fēng)功率預(yù)測(cè)研究 163
7.1 基于改進(jìn) VMD的風(fēng)功率數(shù)據(jù)預(yù)處理 163
7.1.1 風(fēng)功率數(shù)據(jù)預(yù)處理方法 163
7.1.2 預(yù)測(cè)模型與評(píng)價(jià)指標(biāo) 167
7.1.3 基于風(fēng)功率數(shù)據(jù)預(yù)處理的超短期風(fēng)功率預(yù)測(cè)方法 168
7.2 基于優(yōu)化雙向 LSTM的風(fēng)功率預(yù)測(cè)模型構(gòu)建 179
7.2.1 深度預(yù)測(cè)模型 179
7.2.2 超短期風(fēng)功率 LSTM預(yù)測(cè)模型構(gòu)建 182
7.2.3 基于優(yōu)化雙向 LSTM的超短期風(fēng)功率預(yù)測(cè) 186
7.3 計(jì)及氣象因素的雙向 LSTM*優(yōu)風(fēng)功率預(yù)測(cè)模型構(gòu)建 188
7.3.1 多場(chǎng)景特征相關(guān)性分析方法 188
7.3.2 計(jì)及氣象因素的*優(yōu)風(fēng)功率預(yù)測(cè)模型構(gòu)建方法 190
7.3.3 基于低冗余特征選擇的風(fēng)功率預(yù)測(cè)案例分析 197
7.4 本章小結(jié) 205
第8章超短期光伏電站出力預(yù)測(cè) 206
8.1 光伏電站出力的影響因素分析 206
8.1.1 氣象因素對(duì)光伏電站出力的影響分析 206
8.1.2 天氣類型對(duì)光伏電站出力的影響分析 210
8.1.3 光伏系統(tǒng)內(nèi)部影響因素分析 211
8.2 基于 K-means聚類的氣象特征與光伏電站出力的相關(guān)性分析 212
8.2.1 K-means聚類 212
8.2.2 構(gòu)建原始特征集合 213
8.2.3 不同天氣類型下的特征重要度分析 214
8.3 基于條件互信息特征選擇的超短期光伏電站出力預(yù)測(cè) 221
8.3.1 門控循環(huán)單元神經(jīng)網(wǎng)絡(luò) 221
8.3.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化 223
8.3.3 特征選擇 230
8.3.4 實(shí)例分析 234
8.4 本章小結(jié) 240
參考文獻(xiàn) 242
新書(shū)資訊