電力系統源-荷智能預測技術 黃南天 9787030779939 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$878
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202402*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：電力系統源-荷智能預測技術 ISBN：9787030779939 出版社：科學 著編譯者：黃南天 頁數：252 所在地：中國大陸 *此為代購商品 書號：1626380 可大量預訂，請先連絡。 內容簡介 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。本書首先介紹源-荷的背景意義（負荷預測相關理論）及國內外研究現狀，然後介紹源-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，基於隨機森林、面積灰關聯決策、循環神經網路等多種智能方法進行源-荷預測，最後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 前言第一篇 電力系統負荷預測研究 第1章 電力系統負荷預測概述 1 1 研究背景及意義 1 2 負荷預測相關理論 1 3 研究現狀 1 3 1 城市及配電網的負荷預測 1 3 2 基於智能電錶大數據的負荷預測 1 3 3 概率短期負荷預測 第2章 基於用電大數據分析的配電網負荷預測 2 1 基於用電行為特徵的智能電錶負荷聚類分析 2 1 1 智能電錶數據的獲取 2 1 2 不同類型的負荷分析 2 1 3 基於MapReduce的用電行為特徵提取 2 1 4 基於K-means的智能電錶大數據的用戶聚類 2 2 計及特徵冗餘性的短期負荷預測 2 2 1 廣義最大相關最小冗餘特徵選擇 2 2 2 隨機森林 2 2 3 基於廣義最大相關最小冗餘特徵選擇的隨機森林短期負荷預測 2 3 基於分時特徵選擇的配電網負荷預測 2 3 1 基於廣義最大相關最小冗餘分時特徵選擇的負荷預測 2 3 2 實驗結果及分析 2 4 本章小結 第3章 基於智能電錶數據分析的精細化時-空負荷特性分析 3 1 負荷特性分析與原始特徵集合構建 3 1 1 東北某市負荷特性分析 3 1 2 愛爾蘭負荷特性分析 3 1 3 原始特徵集合的構建 3 2 基於隨機森林的城市負荷特徵選擇與負荷預測 3 2 1 基於優化的序列後向搜索策略和隨機森林的負荷特徵選擇 3 2 2 實驗結果以及相關分析 3 3 基於智能電錶用戶特徵重要度聚類的配電網負荷預測 3 3 1 實驗數據集 3 3 2 基於 PI值的智能電錶用戶的聚類分析 3 3 3 實驗結果分析 3 4 本章小結 第4章 計及多源氣象信息與評價指標衝突的概率短期負荷預測 4 1 負荷預測特徵構建與多源氣象信息選擇 4 1 1 數據來源 4 1 2 負荷預測特徵集合構建 4 1 3 多源氣象信息選擇 4 1 4 數據歸一化 4 2 基於高斯過程回歸的概率短期負荷預測模型 4 3 計及評價指標衝突的概率短期負荷預測 4 3 1 面積灰關聯決策 4 3 2 計及評價指標衝突的概率短期負荷預測模型構建 4 3 3 預測算例 4 4 計及多源氣象信息與評價指標衝突的概率短期負荷預測模型 4 4 1 引言 4 4 2 計及多源氣象信息與評價指標衝突的概率短期負荷預測模型構建 4 4 3 算例分析 4 5 本章小結 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 5 1 研究背景及意義 5 2 風、光發電機組介紹 5 2 1 風力發電機組介紹 5 2 2 光伏電站介紹 5 3 研究現狀 5 3 1 風功率預測研究現狀 5 3 2 光伏出力預測研究現狀 5 4 本章小結 第6章 基於優化特徵選擇演算法的短期風速預測模型 6 1 風電出力影響因素分析 6 1 1 風速分析 6 1 2 風電出力特性分析 6 2 理論背景 6 2 1 奇異值分解 6 2 2 Gini重要度 6 2 3 方法流程 6 2 4 實例分析 6 3 本章小結 第7章 基於改進VMD與雙向LSTM的風功率預測研究 7 1 基於改進VMD的風功率數據預處理 7 1 1 風功率數據預處理方法 7 1 2 預測模型與評價指標 7 1 3 基於風功率數據預處理的超短期風功率預測方法 7 2 基於優化雙向LSTM的風功率預測模型構建 7 2 1 深度預測模型 7 2 2 超短期風功率LSTM預測模型構建 7 2 3 基於優化雙向LSTM的超短期風功率預測 7 3 計及氣象因素的雙向LSTM最優風功率預測模型構建 7 3 1 多場景特徵相關性分析方法 7 3 2 計及氣象因素的最優風功率預測模型構建方法 7 3 3 基於低冗餘特徵選擇的風功率預測案例分析 7 4 本章小結 第8章 超短期光伏電站出力預測 8 1 光伏電站出力的影響因素分析 8 1 1 氣象因素對光伏電站出力的影響分析 8 1 2 天氣類型對光伏電站出力的影響分析 8 1 3 光伏系統內部影響因素分析 8 2 基於 K-means聚類的氣象特徵與光伏電站出力的相關性分析 8 2 1 K-means聚類 8 2 2 構建原始特徵集合 8 2 3 不同天氣類型下的特徵重要度分析 8 3 基於條件互信息特徵選擇的超短期光伏電站出力預測 8 3 1 門控循環單元神經網路 8 3 2 神經網路結構優化 8 3 3 特徵選擇 8 3 4 實例分析 8 4 本章小結 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
