新書推薦：
《
汉译名著·哲学经典十种
》
售價：NT$
3460.0
《
成吉思汗传：看历代帝王将相谋略 修炼安身成事之根本
》
售價：NT$
280.0
《
爱丁堡古罗马史-罗马城的起源和共和国的崛起
》
售價：NT$
349.0
《
自伤自恋的精神分析
》
售價：NT$
240.0
《
大宋悬疑录：貔貅刑
》
售價：NT$
340.0
《
不被大风吹倒
》
售價：NT$
300.0
《
人生解忧：佛学入门四十讲
》
售價：NT$
490.0
《
东野圭吾：分身（东野圭吾无法再现的双女主之作 奇绝瑰丽、残忍又温情）
》
售價：NT$
295.0
|
| 內容簡介： |
|
电力系统源-荷智能预测技术一直是电气领域的研究热点，是多学科交叉渗透的综合性研究课题。以多元源-荷特性分析为基础，对风、光等清洁能源进行预测是实现智能电网可持续发展的重要保证之一。《电力系统源-荷智能预测技术》*先介绍源-荷的背景意义（负荷预测相关理论）及国内外研究现状，然后介绍源-荷智能预测的主要关键问题，如能源特性分析、用户需求响应等，基于随机森林、面积灰关联决策、循环神经网络等多种智能方法进行源-荷预测，*后针对几个实例介绍电力系统源-荷智能预测技术的应用。
|
| 目錄：
|
|
目录前言**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 广义最大相关*小冗余特征选择 262.2.2 随机森林 272.2.3 基于广义最大相关*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 基于广义最大相关*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*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*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
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
