中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
電力系統源-荷智能預測技術 版權信息
- ISBN：9787030779939
- 條形碼：9787030779939 ; 978-7-03-077993-9
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
電力系統源-荷智能預測技術 內容簡介
該書的主要研究內容包括以下兩個方面。**個方面是電力系統的負荷預測，涵蓋了確定性預測以及概率區間預測方法。首先，分析影響負荷變化的特征，提取各類負荷相關特征，構建原始特征集合；然后，針對不同區域的負荷，采用不同的智能算法，提出各應用場景下的負荷確定性預測方法；*后，為了準確刻畫負荷波動性，提出負荷的概率區間預測方法，為解決多指標評價結論沖突、決策困難的問題，提出面積灰關聯決策方法綜合評價預測結果，優選模型，提升了概率短期負荷預測的準確性、準確性與可靠性。第二個方面是電力系統的風、光發電功率確定性預測方法。首先，研究影響風電出力的因素，構建原始特征集；然后，采用雙向LSTM很優預測模型獲取風功率的確定性預測結果；*后研究光伏發電功率預測方法，基于氣象特征選擇，構建超短期光伏電站出力預測模型，得到光伏預測結果。
電力系統源-荷智能預測技術 目錄
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 21.1 研究背景及意義 21.2 負荷預測相關理論 41.3 研究現狀 41.3.1 城市及配電網的負荷預測 41.3.2 基于智能電表大數據的負荷預測 71.3.3 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 102.1 基于用電行為特征的智能電表負荷聚類分析 102.1.1 智能電表數據的獲取 102.1.2 不同類型的負荷分析 112.1.3 基于 MapReduce的用電行為特征提取 152.1.4 基于 K-means的智能電表大數據的用戶聚類 202.2 計及特征冗余性的短期負荷預測 262.2.1 廣義*大相關*小冗余特征選擇 262.2.2 隨機森林 272.2.3 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 302.3 基于分時特征選擇的配電網負荷預測 402.3.1 基于廣義*大相關*小冗余分時特征選擇的負荷預測 402.3.2 實驗結果及分析 412.4 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 483.1 負荷特性分析與原始特征集合構建 483.1.1 東北某市負荷特性分析 483.1.2 愛爾蘭負荷特性分析 503.1.3 原始特征集合的構建 533.2 基于隨機森林的城市負荷特征選擇與負荷預測 553.2.1 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 553.2.2 實驗結果以及相關分析 573.3 基于智能電表用戶特征重要度聚類的配電網負荷預測 693.3.1 實驗數據集 703.3.2 基于 PI值的智能電表用戶的聚類分析 703.3.3 實驗結果分析 723.4 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 814.1 負荷預測特征構建與多源氣象信息選擇 814.1.1 數據來源 814.1.2 負荷預測特征集合構建 824.1.3 多源氣象信息選擇 864.1.4 數據歸一化 964.2 基于高斯過程回歸的概率短期負荷預測模型 974.3 計及評價指標沖突的概率短期負荷預測 1024.3.1 面積灰關聯決策 1024.3.2 計及評價指標沖突的概率短期負荷預測模型構建 1064.3.3 預測算例 1074.4 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 1114.4.1 引言 1114.4.2 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 1124.4.3 算例分析 1144.5 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 1245.1 研究背景及意義 1245.2 風、光發電機組介紹 1265.2.1 風力發電機組介紹 1265.2.2 光伏電站介紹 1285.3 研究現狀 1295.3.1 風功率預測研究現狀 1295.3.2 光伏出力預測研究現狀 1335.4 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 1376.1 風電出力影響因素分析 1376.1.1 風速分析 1376.1.2 風電出力特性分析 1386.2 理論背景 1406.2.1 奇異值分解 1406.2.2 Gini重要度 1426.2.3 方法流程 1436.2.4 實例分析 1446.3 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 1637.1 基于改進 VMD的風功率數據預處理 1637.1.1 風功率數據預處理方法 1637.1.2 預測模型與評價指標 1677.1.3 基于風功率數據預處理的超短期風功率預測方法 1687.2 基于優化雙向 LSTM的風功率預測模型構建 1797.2.1 深度預測模型 1797.2.2 超短期風功率 LSTM預測模型構建 1827.2.3 基于優化雙向 LSTM的超短期風功率預測 1867.3 計及氣象因素的雙向 LSTM*優風功率預測模型構建 1887.3.1 多場景特征相關性分析方法 1887.3.2 計及氣象因素的*優風功率預測模型構建方法 1907.3.3 基于低冗余特征選擇的風功率預測案例分析 1977.4 本章小結 205第8章超短期光伏電站出力預測 2068.1 光伏電站出力的影響因素分析 2068.1.1 氣象因素對光伏電站出力的影響分析 2068.1.2 天氣類型對光伏電站出力的影響分析 2108.1.3 光伏系統內部影響因素分析 2118.2 基于 K-means聚類的氣象特征與光伏電站出力的相關性分析 2128.2.1 K-means聚類 2128.2.2 構建原始特征集合 2138.2.3 不同天氣類型下的特征重要度分析 2148.3 基于條件互信息特征選擇的超短期光伏電站出力預測 2218.3.1 門控循環單元神經網絡 2218.3.2 神經網絡結構優化 2238.3.3 特征選擇 2308.3.4 實例分析 2348.4 本章小結 240參考文獻 242
展開全部
書友推薦
- >
李白與唐代文化
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
史學評論
- >
朝聞道
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
詩經-先民的歌唱
- >
回憶愛瑪儂
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
