電力系統源-荷智能預測技術一直是電氣領域的研究熱點，是多學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，對風、光等清潔能源進行預測是實現智能電網可持續發展的重要保證之一�！峨娏ο到y源-荷智能預測技術》*先介紹源-荷的背景意義（負荷預測相關理論）及國內外研究現狀，然后介紹源-荷智能預測的主要關鍵問題，如能源特性分析、用戶需求響應等，基于隨機森林、面積灰關聯決策、循環神經網絡等多種智能方法進行源-荷預測，*后針對幾個實例介紹電力系統源-荷智能預測技術的應用。
目錄
前言
**篇電力系統負荷預測研究
第1章電力系統負荷預測概述 2
1.1 研究背景及意義 2
1.2 負荷預測相關理論 4
1.3 研究現狀 4
1.3.1 城市及配電網的負荷預測 4
1.3.2 基于智能電表大數據的負荷預測 7
1.3.3 概率短期負荷預測 8
第2章基于用電大數據分析的配電網負荷預測 10
2.1 基于用電行為特征的智能電表負荷聚類分析 10
2.1.1 智能電表數據的獲取 10
2.1.2 不同類型的負荷分析 11
2.1.3 基于 MapReduce的用電行為特征提取 15
2.1.4 基于 K-means的智能電表大數據的用戶聚類 20
2.2 計及特征冗余性的短期負荷預測 26
2.2.1 廣義*大相關*小冗余特征選擇 26
2.2.2 隨機森林 27
2.2.3 基于廣義*大相關*小冗余特征選擇的隨機森林短期負荷預測 30
2.3 基于分時特征選擇的配電網負荷預測 40
2.3.1 基于廣義*大相關*小冗余分時特征選擇的負荷預測 40
2.3.2 實驗結果及分析 41
2.4 本章小結 46
第3章基于智能電表數據分析的精細化時 -空負荷特性分析 48
3.1 負荷特性分析與原始特征集合構建 48
3.1.1 東北某市負荷特性分析 48
3.1.2 愛爾蘭負荷特性分析 50
3.1.3 原始特征集合的構建 53
3.2 基于隨機森林的城市負荷特征選擇與負荷預測 55
3.2.1 基于優化的序列后向搜索策略和隨機森林的負荷特征選擇 55
3.2.2 實驗結果以及相關分析 57
3.3 基于智能電表用戶特征重要度聚類的配電網負荷預測 69
3.3.1 實驗數據集 70
3.3.2 基于 PI值的智能電表用戶的聚類分析 70
3.3.3 實驗結果分析 72
3.4 本章小結 79
第4章計及多源氣象信息與評價指標沖突的概率短期負荷預測 81
4.1 負荷預測特征構建與多源氣象信息選擇 81
4.1.1 數據來源 81
4.1.2 負荷預測特征集合構建 82
4.1.3 多源氣象信息選擇 86
4.1.4 數據歸一化 96
4.2 基于高斯過程回歸的概率短期負荷預測模型 97
4.3 計及評價指標沖突的概率短期負荷預測 102
4.3.1 面積灰關聯決策 102
4.3.2 計及評價指標沖突的概率短期負荷預測模型構建 106
4.3.3 預測算例 107
4.4 計及多源氣象信息與評價指標沖突的概率短期負荷預測模型 111
4.4.1 引言 111
4.4.2 計及多源氣象信息與評價指標沖突的概率短期負荷預測模型構建 112
4.4.3 算例分析 114
4.5 本章小結 120
第二篇電力系統風、光功率預測研究
第5章風光電站功率預測概述 124
5.1 研究背景及意義 124
5.2 風、光發電機組介紹 126
5.2.1 風力發電機組介紹 126
5.2.2 光伏電站介紹 128
5.3 研究現狀 129
5.3.1 風功率預測研究現狀 129
5.3.2 光伏出力預測研究現狀 133
5.4 本章小結 136
第6章基于優化特征選擇算法的短期風速預測模型 137
6.1 風電出力影響因素分析 137
6.1.1 風速分析 137
6.1.2 風電出力特性分析 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 162
第7章基于改進 VMD與雙向 LSTM的風功率預測研究 163
7.1 基于改進 VMD的風功率數據預處理 163
7.1.1 風功率數據預處理方法 163
7.1.2 預測模型與評價指標 167
7.1.3 基于風功率數據預處理的超短期風功率預測方法 168
7.2 基于優化雙向 LSTM的風功率預測模型構建 179
7.2.1 深度預測模型 179
7.2.2 超短期風功率 LSTM預測模型構建 182
7.2.3 基于優化雙向 LSTM的超短期風功率預測 186
7.3 計及氣象因素的雙向 LSTM*優風功率預測模型構建 188
7.3.1 多場景特征相關性分析方法 188
7.3.2 計及氣象因素的*優風功率預測模型構建方法 190
7.3.3 基于低冗余特征選擇的風功率預測案例分析 197
7.4 本章小結 205
第8章超短期光伏電站出力預測 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 光伏系統內部影響因素分析 211
8.2 基于 K-means聚類的氣象特征與光伏電站出力的相關性分析 212
8.2.1 K-means聚類 212
8.2.2 構建原始特征集合 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測 221
8.3.1 門控循環單元神經網絡 221
8.3.2 神經網絡結構優化 223
8.3.3 特征選擇 230
8.3.4 實例分析 234
8.4 本章小結 240
參考文獻 242
新書資訊