电力系统源-荷智能预测技术
全新正版 极速发货
￥ 89.34 6.5折 ￥ 138 全新
库存9件
广东广州
认证卖家担保交易快速发货售后保障
作者黄南天
出版社科学出版社
ISBN9787030779939
出版时间2024-03
装帧平装
开本其他
定价138元
货号1203222082
上书时间2024-05-28
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录前言第一篇电力系统负荷预测研究第1章电力系统负荷预测概述 21.1 研究背景及意义 21.2 负荷预测相关理论 41.3 研究现状 41.3.1 城市及配电网的负荷预测 41.3.2 基于智能电表大数据的负荷预测 71.3.3 概率短期负荷预测 8第2章基于用电大数据分析的配电网负荷预测 102.1 基于用电行为特征的智能电表负荷聚类分析 102.1.1 智能电表数据的获取 102.1.2 不同类型的负荷分析 112.1.3 基于 MapReduce的用电行为特征提取 152.1.4 基于 K-means的智能电表大数据的用户聚类 202.2 计及特征冗余性的短期负荷预测 262.2.1 广义优选相关最小冗余特征选择 262.2.2 随机森林 272.2.3 基于广义优选相关最小冗余特征选择的随机森林短期负荷预测 302.3 基于分时特征选择的配电网负荷预测 402.3.1 基于广义优选相关最小冗余分时特征选择的负荷预测 402.3.2 实验结果及分析 412.4 本章小结 46第3章基于智能电表数据分析的精细化时 -空负荷特性分析 483.1 负荷特性分析与原始特征集合构建 483.1.1 东北某市负荷特性分析 483.1.2 爱尔兰负荷特性分析 503.1.3 原始特征集合的构建 533.2 基于随机森林的城市负荷特征选择与负荷预测 553.2.1 基于优化的序列后向搜索策略和随机森林的负荷特征选择 553.2.2 实验结果以及相关分析 573.3 基于智能电表用户特征重要度聚类的配电网负荷预测 693.3.1 实验数据集 703.3.2 基于 PI值的智能电表用户的聚类分析 703.3.3 实验结果分析 723.4 本章小结 79第4章计及多源气象信息与评价指标冲突的概率短期负荷预测 814.1 负荷预测特征构建与多源气象信息选择 814.1.1 数据来源 814.1.2 负荷预测特征集合构建 824.1.3 多源气象信息选择 864.1.4 数据归一化 964.2 基于高斯过程回归的概率短期负荷预测模型 974.3 计及评价指标冲突的概率短期负荷预测 1024.3.1 面积灰关联决策 1024.3.2 计及评价指标冲突的概率短期负荷预测模型构建 1064.3.3 预测算例 1074.4 计及多源气象信息与评价指标冲突的概率短期负荷预测模型 1114.4.1 引言 1114.4.2 计及多源气象信息与评价指标冲突的概率短期负荷预测模型构建 1124.4.3 算例分析 1144.5 本章小结 120第二篇电力系统风、光功率预测研究第5章风光电站功率预测概述 1245.1 研究背景及意义 1245.2 风、光发电机组介绍 1265.2.1 风力发电机组介绍 1265.2.2 光伏电站介绍 1285.3 研究现状 1295.3.1 风功率预测研究现状 1295.3.2 光伏出力预测研究现状 1335.4 本章小结 136第6章基于优化特征选择算法的短期风速预测模型 1376.1 风电出力影响因素分析 1376.1.1 风速分析 1376.1.2 风电出力特性分析 1386.2 理论背景 1406.2.1 奇异值分解 1406.2.2 Gini重要度 1426.2.3 方法流程 1436.2.4 实例分析 1446.3 本章小结 162第7章基于改进 VMD与双向 LSTM的风功率预测研究 1637.1 基于改进 VMD的风功率数据预处理 1637.1.1 风功率数据预处理方法 1637.1.2 预测模型与评价指标 1677.1.3 基于风功率数据预处理的超短期风功率预测方法 1687.2 基于优化双向 LSTM的风功率预测模型构建 1797.2.1 深度预测模型 1797.2.2 超短期风功率 LSTM预测模型构建 1827.2.3 基于优化双向 LSTM的超短期风功率预测 1867.3 计及气象因素的双向 LSTM很优风功率预测模型构建 1887.3.1 多场景特征相关性分析方法 1887.3.2 计及气象因素的很优风功率预测模型构建方法 1907.3.3 基于低冗余特征选择的风功率预测案例分析 1977.4 本章小结 205第8章超短期光伏电站出力预测 2068.1 光伏电站出力的影响因素分析 2068.1.1 气象因素对光伏电站出力的影响分析 2068.1.2 天气类型对光伏电站出力的影响分析 2108.1.3 光伏系统内部影响因素分析 2118.2 基于 K-means聚类的气象特征与光伏电站出力的相关性分析 2128.2.1 K-means聚类 2128.2.2 构建原始特征集合 2138.2.3 不同天气类型下的特征重要度分析 2148.3 基于条件互信息特征选择的超短期光伏电站出力预测 2218.3.1 门控循环单元神经网络 2218.3.2 神经网络结构优化 2238.3.3 特征选择 2308.3.4 实例分析 2348.4 本章小结 240参考文献 242
内容摘要
该书的主要研究内容包括以下两个方面。第一个方面是电力系统的负荷预测，涵盖了确定性预测以及概率区间预测方法。首先，分析影响负荷变化的特征，提取各类负荷相关特征，构建原始特征集合；然后，针对不同区域的负荷，采用不同的智能算法，提出各应用场景下的负荷确定性预测方法；最后，为了准确刻画负荷波动性，提出负荷的概率区间预测方法，为解决多指标评价结论冲突、决策困难的问题，提出面积灰关联决策方法综合评价预测结果，优选模型，提升了概率短期负荷预测的准确性、准确性与可靠性。第二个方面是电力系统的风、光发电功率确定性预测方法。首先，研究影响风电出力的因素，构建原始特征集；然后，采用双向LSTM很优预测模型获取风功率的确定性预测结果；最后研究光伏发电功率预测方法，基于气象特征选择，构建超短期光伏电站出力预测模型，得到光伏预测结果。
— 没有更多了 —
以下为对购买帮助不大的评价