電力系統(tǒng)源-荷智能預(yù)測技術(shù)一直是電氣領(lǐng)域的研究熱點，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)，對風(fēng)、光等清潔能源進(jìn)行預(yù)測是實現(xiàn)智能電網(wǎng)可持續(xù)發(fā)展的重要保證之一�！峨娏ο到y(tǒng)源-荷智能預(yù)測技術(shù)》*先介紹源-荷的背景意義（負(fù)荷預(yù)測相關(guān)理論）及國內(nèi)外研究現(xiàn)狀，然后介紹源-荷智能預(yù)測的主要關(guān)鍵問題，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，*后針對幾個實例介紹電力系統(tǒng)源-荷智能預(yù)測技術(shù)的應(yīng)用。

更多科學(xué)出版社服務(wù)，請掃碼獲取。

目錄
前言
**篇電力系統(tǒng)負(fù)荷預(yù)測研究
第1章電力系統(tǒng)負(fù)荷預(yù)測概述 2
1.1 研究背景及意義 2
1.2 負(fù)荷預(yù)測相關(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 4
1.3.2 基于智能電表大數(shù)據(jù)的負(fù)荷預(yù)測 7
1.3.3 概率短期負(fù)荷預(yù)測 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 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 計及特征冗余性的短期負(fù)荷預(yù)測 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 30
2.3 基于分時特征選擇的配電網(wǎng)負(fù)荷預(yù)測 40
2.3.1 基于廣義*大相關(guān)*小冗余分時特征選擇的負(fù)荷預(yù)測 40
2.3.2 實驗結(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 -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 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 實驗結(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 69
3.3.1 實驗數(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 實驗結(jié)果分析 72
3.4 本章小結(jié) 79
第4章計及多源氣象信息與評價指標(biāo)沖突的概率短期負(fù)荷預(yù)測 81
4.1 負(fù)荷預(yù)測特征構(gòu)建與多源氣象信息選擇 81
4.1.1 數(shù)據(jù)來源 81
4.1.2 負(fù)荷預(yù)測特征集合構(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 基于高斯過程回歸的概率短期負(fù)荷預(yù)測模型 97
4.3 計及評價指標(biāo)沖突的概率短期負(fù)荷預(yù)測 102
4.3.1 面積灰關(guān)聯(lián)決策 102
4.3.2 計及評價指標(biāo)沖突的概率短期負(fù)荷預(yù)測模型構(gòu)建 106
4.3.3 預(yù)測算例 107
4.4 計及多源氣象信息與評價指標(biāo)沖突的概率短期負(fù)荷預(yù)測模型 111
4.4.1 引言 111
4.4.2 計及多源氣象信息與評價指標(biāo)沖突的概率短期負(fù)荷預(yù)測模型構(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)測研究
第5章風(fēng)光電站功率預(yù)測概述 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)測研究現(xiàn)狀 129
5.3.2 光伏出力預(yù)測研究現(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)測模型與評價指標(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)測方法 168
7.2 基于優(yōu)化雙向 LSTM的風(fēng)功率預(yù)測模型構(gòu)建 179
7.2.1 深度預(yù)測模型 179
7.2.2 超短期風(fēng)功率 LSTM預(yù)測模型構(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 186
7.3 計及氣象因素的雙向 LSTM*優(yōu)風(fēng)功率預(yù)測模型構(gòu)建 188
7.3.1 多場景特征相關(guān)性分析方法 188
7.3.2 計及氣象因素的*優(yōu)風(fēng)功率預(yù)測模型構(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 206
8.1 光伏電站出力的影響因素分析 206
8.1.1 氣象因素對光伏電站出力的影響分析 206
8.1.2 天氣類型對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 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 實例分析 234
8.4 本章小結(jié) 240
參考文獻(xiàn) 242