科技 类型
可以朗读 语音朗读
121千字 字数
2023-12-01 发行日期
展开全部

主编推荐语

本书的研究成果是对作者团队研究成果的系统性总结。

内容简介

风光发电受气象资源影响显著，具有显著的随机性与波动性，大规模、高比例并网对电力系统安全经济运行造成挑战，提升预测精度可有效缓解风光发电不确定性的负面影响，对于促进风光并网消纳、提升风光供电保障能力具有积极意义。另一方面，我国正稳步推进电力市场化改革进程，风光场站作为市场主体，其发电功率预测准确性将直接关乎场站的考核与市场收益。

因此，如何充分利用数值天气预报信息，分析不同时空尺度下风光出力特性，利用先进模型与算法，准确预测风光发电功率，量化评估预测结果的不确定性，是电网调度、风光场站以及预测服务提供商持续关注的重点问题。

本书的主题是对风电、光伏新能源发电的发电量进行预测。主要内容包括风光新能源发电预测背景、风光新能源发电预测基础、风电功率单值预测、光伏功率单值预测、风光新能源发电概率预测、风光新能源发电组合预测和风光新能源发电爬坡事件预测等。

目录

  • 版权信息
  • 本书特点
  • 内容提要
  • Preface 前言
  • Chapter 1 第1章 风光新能源发电预测背景
  • 1.1 风光新能源发展现状
  • 1.1.1 风电发展现状
  • 1.1.2 光伏发展现状
  • 1.2 风光新能源发电预测系统发展历程
  • 1.2.1 风电预测系统发展历程
  • 1.2.2 光伏发电功率预测系统发展历程
  • 1.3 风光新能源发电预测意义
  • 1.3.1 新能源发电预测对电力系统安全经济运行的意义
  • 1.3.2 新能源发电预测对电力市场高效运行的意义
  • 1.4 本章小结
  • Chapter 2 第2章 风光新能源发电预测基础
  • 2.1 数值天气预报技术
  • 2.1.1 概述
  • 2.1.2 全球尺度数值气象模式
  • 2.1.3 中尺度（区域）数值气象模式
  • 2.1.4 面向风光新能源发电预测的电力气象预报
  • 2.2 风光新能源发电预测分类
  • 2.2.1 时间尺度分类
  • 2.2.2 空间尺度分类
  • 2.2.3 预测模型分类
  • 2.2.4 预测形式分类
  • 2.3 风光新能源发电预测基础模型
  • 2.3.1 物理模型
  • 2.3.2 统计模型
  • 2.3.3 机器学习与人工智能模型
  • 2.4 风光新能源发电预测评价体系
  • 2.4.1 单值预测评价
  • 2.4.2 概率预测评价
  • 2.4.3 事件预测评价
  • 2.4.4 考核要求
  • 2.5 本章小结
  • Chapter 3 第3章 风电功率单值预测
  • 3.1 风电特性分析
  • 3.1.1 气象相依特性
  • 3.1.2 时序波动特性
  • 3.2 风电场功率超短期预测
  • 3.2.1 概述
  • 3.2.2 基本算法原理
  • 3.2.3 基于多变量动态规律建模方法的风电功率单值预测
  • 3.2.4 算例分析
  • 3.3 风电场功率短期预测
  • 3.3.1 概述
  • 3.3.2 基于减法聚类和GK模糊聚类算法的气象条件分类方法
  • 3.3.3 基于气象分类和XGBoost的短期风电场功率预测
  • 3.3.4 算例分析
  • 3.4 风电集群功率预测
  • 3.4.1 概述
  • 3.4.2 时空特征深度挖掘的风电集群功率预测模型
  • 3.4.3 算例分析
  • 3.5 本章小结
  • Chapter 4 第4章 光伏功率单值预测
  • 4.1 光伏发电特性分析
  • 4.1.1 气象相依特性
  • 4.1.2 时序波动特性
  • 4.2 光伏功率超短期预测
  • 4.2.1 概述
  • 4.2.2 多时间尺度云团移动预测
  • 4.2.3 考虑云遮挡的光伏功率超短期预测
  • 4.2.4 算例分析
  • 4.3 光伏功率短期预测
  • 4.3.1 概述
  • 4.3.2 基于高斯相似度的相似日检索方法
  • 4.3.3 基于相似日检索与Light-GBM的光伏功率预测模型
  • 4.3.4 算例分析
  • 4.4 分布式光伏功率预测
  • 4.4.1 概述
  • 4.4.2 基于小波包算法的分布式光伏功率序列分解
  • 4.4.3 分布式光伏平稳序列插值与波动序列插值过程
  • 4.4.4 算例分析
  • 4.5 本章小结
  • Chapter 5 第5章 风光新能源发电概率预测
  • 5.1 稀疏贝叶斯学习
  • 5.1.1 概述
  • 5.1.2 SBL原理
  • 5.1.3 基于SBL的新能源功率概率预测——以风电为例
  • 5.1.4 算例分析——以风电为例
  • 5.2 分位数回归
  • 5.2.1 概述
  • 5.2.2 基于非线性分位数回归的新能源发电功率概率预测模型
  • 5.2.3 算例分析——以风电为例
  • 5.3 D-S证据理论
  • 5.3.1 概述
  • 5.3.2 误差条件概率预测
  • 5.3.3 D-S证据理论整合概率分布
  • 5.3.4 算例分析——以风电为例
  • 5.4 核密度估计
  • 5.4.1 概述
  • 5.4.2 基于KDE的新能源发电功率概率预测模型
  • 5.4.3 算例分析——以光伏为例
  • 5.5 本章小结
  • Chapter 6 第6章 风光新能源发电组合预测
  • 6.1 单值预测组合模型
  • 6.1.1 概述
  • 6.1.2 自适应增强集成模型原理
  • 6.1.3 基于自适应增强的单值集成组合预测
  • 6.1.4 算例分析——以光伏功率预测为例
  • 6.2 概率预测组合模型
  • 6.2.1 概述
  • 6.2.2 扩展BMA模型原理
  • 6.2.3 组合非参数概率预测——以风电为例
  • 6.2.4 算例分析——以风电功率预测为例
  • 6.3 本章小结
  • Chapter 7 第7章 风光新能源发电爬坡事件预测
  • 7.1 风电爬坡事件预测
  • 7.1.1 概述
  • 7.1.2 风电爬坡事件定义
  • 7.1.3 基于朴素贝叶斯网络的爬坡事件概率预测模型
  • 7.1.4 算例分析
  • 7.2 光伏功率爬坡事件预测
  • 7.2.1 概述
  • 7.2.2 考虑日周期性影响的光伏功率爬坡事件定义
  • 7.2.3 基于信度网络的光伏功率爬坡事件预测
  • 7.2.4 算例分析
  • 7.3 本章小结
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。