檢視电力系统人工智能典型应用的原始碼

《'''电力系统人工智能典型应用'''》，黎灿兵等 著，出版社： 科学出版社。

科学出版社是由[[中国科学院编译局]]与1930年创建的龙门联合书局于1954年8月合并成立的；目前公司年出版新书3000多种，[[期刊]]500多种，形成了以[[科学]]（S）、技术（T）、[[医学]]（M）、教育（E）、人文社科（H）<ref>[https://www.sohu.com/a/195179309_645218 论自然科学、社会科学、人文科学的三位一体]，搜狐，2017-09-28</ref>为主要出版领域的业务架构<ref>[http://www.cspm.com.cn/gsgk2017/gsjj/ 公司简介]，中国科技出版传媒股份有限公司</ref>。

==内容简介==

《电力系统人工智能典型应用》围绕人工智能技术在电力系统中的应用，探讨数据分析、负荷预测、设备故障预测、新能源发电功率预测、优化调度等关键技术。第1～4章以[[人工智能]]技术的主要应用领域预测为切入点，探讨负荷预测、故障概率预测、新能源发电功率预测领域常见的人工智能技术，着重讨论时间序列的累积效应、城市微气象与电力空调负荷的交互影响对预测结果的影响；第5和6章聚焦大数据下电力系统智能决策问题，分别提出虚拟发电厂优化调度、安全约束机组组合图建模方法和基于负荷预测可信度与时间弹性的备用容量规划方法；第7章构建智能电网管理水平评价体系。

==目录==

“新一代人工智能理论、技术及应用丛书”序

前言

第1章时间序列中的累积效应1

1.1概述1

1.2累积效应的基本内涵及典型现象1

1.2.1累积效应定义1

1.2.2影响累积效应强度的因素3

1.2.3考虑累积效应的温度修正公式3

1.3面向中长期[[负荷]]预测的常见信息聚合方法4

1.3.1聚类法5

1.3.2多因素综合分析方法8

1.4考虑累积效应的信息聚合方法11

1.4.1累积效应的识别方法11

1.4.2考虑累积效应的信息聚合模型15

1.4.3考虑累积效应的信息聚合方法的有效性验证19

1.5考虑累积效应的动态相似子序列预测方法30

1.5.1动态相似子序列基本概念30

1.5.2动态相似子序列选取方法31

1.5.3动态相似子序列预测模型35

1.6本章小结40

参考文献41

第2章考虑累积效应和耦合效应的负荷预测技术及应用42

2.1概述42

2.2城市微气象与电力空调负荷的交互影响42

2.2.1城市微气象与电力空调负荷的交互影响模型概述42

2.2.2热岛效应对电力空调负荷的影响44

2.2.3温湿效应对电力空调负荷的影响45

2.2.4累积效应对电力空调负荷的影响48

2.2.5城市热岛效应、温湿效应和累积效应对电力空调负荷的综合影响50

2.2.6电力空调负荷对城市微气象的反作用51

2.2.7城市微气象与电力空调负荷之间的恶性循环作用53

2.3基于大数据的分布式短期负荷预测方法54

2.3.1负荷预测方案54

2.3.2子网划分方法55

2.3.3子网负荷预测模型57

2.3.4全网负荷预测模型58

2.4基于机器学习的短期用电预测方法60

2.4.1短期用电预测方案60

2.4.2基于形状相似性的用电*线聚类61

2.4.3基于相关性分析的用电*线关键影响因素分析62

2.4.4基于机器学习的短期用电预测模型63

2.5本章小结66

参考文献67

第3章基于不确定性理论分析的电力设备故障概率预测69

3.1概述69

3.2电网设备故障概率预测69

3.2.1设备状态检测70

3.2.2运行环境70

3.2.3气象因素70

3.2.4人为因素72

3.3输电线路故障概率预测73

3.3.1基本思想74

3.3.2数据平稳性检验75

3.4变压器故障概率预测76

3.4.1基于非等间隔GM(1.1)幂模型的灰色预测77

3.4.2基于遗传算法GM(1，1)幂模型的参数优化79

3.5配电网元件负载率预测和重过载状态预警81

3.5.1配电网元件负载率预测81

3.5.2配电网元件重过载状态预警88

3.6本章小结90

参考文献90

第4章基于机器学习的超短期新能源发电功率预测方法及应用92

4.1概述92

4.2新能源发电功率统计学习方法分类92

4.2.1线性模型92

4.2.2非线性模型93

4.3基于即时学习-反向传播神经网络的短期风电功率预测95

4.3.1BPNN95

4.3.2即时学习框架98

4.4基于簇内即时学习策略的短期风电功率预测99

4.4.1DBSCAN聚类法100

4.4.2考虑趋势性的度量指标101

4.5基于动态知识蒸馏的短期风电功率预测103

4.5.1动态知识蒸馏模型103

4.5.2基于动态知识蒸馏的风电功率预测模型106

4.6本章小结107

参考文献107

第5章基于智能预测的发电机组优化调度策略及应用110

5.1概述110

5.2计及电池损耗及寿命预测的虚拟发电厂优化调度策略111

5.2.1电池损耗模型及其寿命预测111

5.2.2基于循环周期数法电池损耗模型的虚拟发电厂短期优化调度120

5.3基于断面功率预测的机组超前优化调度策略122

5.3.1风电接入对输电断面调度的影响122

5.3.2深度学习预测风电机组出力122

5.3.3考虑预测风电机组出力的机组调度策略125

5.4基于图计算的安全约束机组组合图建模及高效优化128

5.4.1基于图模型的机组组合计算框架128

5.4.2不确定性环境下安全机组组合约束集128

5.4.3基于相似性原理的初始解生成方法和约束有效性判断技术129

5.4.4机组组合图路径搜索迭代方法129

5.5本章小结130

参考文献130

第6章基于智能预测的备用容量规划及其应用132

6.1概述132

6.2考虑负荷预测可信度的备用容量规划方法132

6.2.1负荷预测可信度的基本概念132

6.2.2可信度预测与负荷预测对比134

6.2.3基于负荷预测可信度的备用容量优化136

6.2.4负荷备用容量的概率性预测138

6.3考虑负荷时间弹性的备用容量规划方法142

6.3.1负荷时间弹性的定性分析142

6.3.2负荷时间弹性的定量分析144

6.3.3基于负荷时间弹性的备用容量优化146

6.4本章小结148

参考文献149

第7章智能电网管理水平评价体系设计150

7.1概述150

7.2综合管理指标体系构建模块150

7.3综合管理指标权重确定模块154

7.4综合管理效率评估模块155

7.5基于熵权法的智能电网管理水平评价指标量化方法156

7.5.1智能电网管理水平评价的约束参数156

7.5.2熵权分析158

7.5.3智能电网管理水平评价量化处理159

7.6本章小结159

参考文献159

==参考文献==
[[Category:040 類書總論；百科全書總論]]