電力數據預測是大數據預測在電力領域的應用,近年來發(fā)展迅速,具有廣闊的發(fā)展空間和巨大的發(fā)展?jié)摿�。隨著智能電網的提出與大數據處理技術的不斷發(fā)展,國內也逐漸開始探索大數據機器學習在智能電網中的應用。大數據處理技術在電力系統(tǒng)中的廣泛應用會促進新的商業(yè)模式的出現,可用于設備資產管理、運行規(guī)劃、系統(tǒng)安全分析以及發(fā)電與電動汽車等領域。大數據在智能電網中的應用一般都包含以下幾個部分:在電網運行方面,通過分析歷史數據,對電力系統(tǒng)運行狀態(tài)與趨勢進行分析和預測,做出有針對性的調整,提高電力系統(tǒng)的穩(wěn)定性,優(yōu)化電網的日常運行并進行監(jiān)督與管理,提高電網的自動化管理水平;在新能源發(fā)電預測方面,減小預測誤差,提高電網調度的水平,提升發(fā)電效率;在設備運行維護方面,對設備故障進行預測,通過挖掘與故障強關聯的因素,計算其影響權值,并根據專家診斷結果進行調整,這種預測可以提前預測設備可能發(fā)生的故障,提醒運行維護人員及時進行干預。由此可以看到,大數據可以應用于電力系統(tǒng)發(fā)電、輸電、配電以及分布式發(fā)電和儲能的各個環(huán)節(jié)。全書共分6章。第1章對 Python進行了簡單介紹,包括 Python的運行環(huán)境、安裝步驟、JupyterNotebook及其基本使用方法。Python是一門簡單易學且功能強大的編程語言,它既有通用編程語言的強大功能,也有特定領域腳本語言 (如 MATLAB或 R)的易用性。第2章介紹了對電力數據預測理論和方法進行了介紹,包括機器學習的發(fā)展史、電力數據預測的基本步驟,以及Python語言中的機器學習,包括一些神經網絡模型和基本算法。第3章為電動汽車充電樁負荷的預測,從電動汽車充電負荷的特性出發(fā),對相關原理和運用的神經網絡及算法展開了介紹,其重點是空洞因果積分位數回歸模型在電動汽車負荷概率密度方面的應用。第4章為風電功率概率密度預測的相關內容,從背景和意義出發(fā),介紹了風電在新能源發(fā)電領域的發(fā)展現狀;在構建風電功率模型的基礎上,利用 LSTM 回歸、線性分位數回歸模型以及 LSTM分位數回歸模型進行了核密度估計。第5章為光伏發(fā)電的預測,以光伏發(fā)電與天氣因素的關系作為特征指標,通過對數據的處理對光伏發(fā)電進行預測。第6章針對近年來新能源發(fā)電在電網中所占比例的增加,介紹了生物質能發(fā)電系統(tǒng)中沼氣產量的預測。該預測主要采用了特征工程進行預測,以及其在機器學習中的模型。本書在討論預測方法和步驟的基礎上,給出了對算法和模型的優(yōu)化,并對模型和預測結果進行了數據評估和對比分析,并且都附上了算例的仿真程序,以供讀者學習和參考。