風(fēng)光新能源發(fā)電先進(jìn)預(yù)測(cè)技術(shù)

定　價(jià)：￥79.00

作　者：	楊明于一瀟李夢(mèng)林
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥66.70)

ISBN：	9787111742319	出版時(shí)間：	2024-01-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　風(fēng)光發(fā)電受氣象資源影響顯著，具有顯著的隨機(jī)性與波動(dòng)性，大規(guī)模、高比例并網(wǎng)對(duì)電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行造成挑戰(zhàn)，提升預(yù)測(cè)精度可有效緩解風(fēng)光發(fā)電不確定性的負(fù)面影響，對(duì)于促進(jìn)風(fēng)光并網(wǎng)消納、提升風(fēng)光供電保障能力具有積極意義。另一方面，我國(guó)正穩(wěn)步推進(jìn)電力市場(chǎng)化改革進(jìn)程，風(fēng)光場(chǎng)站作為市場(chǎng)主體，其發(fā)電功率預(yù)測(cè)準(zhǔn)確性將直接關(guān)乎場(chǎng)站的考核與市場(chǎng)收益。因此，如何充分利用數(shù)值天氣預(yù)報(bào)信息，分析不同時(shí)空尺度下風(fēng)光出力特性，利用先進(jìn)模型與算法，準(zhǔn)確預(yù)測(cè)風(fēng)光發(fā)電功率，量化評(píng)估預(yù)測(cè)結(jié)果的不確定性，是電網(wǎng)調(diào)度、風(fēng)光場(chǎng)站以及預(yù)測(cè)服務(wù)提供商持續(xù)關(guān)注的重點(diǎn)問題。本書的主題是對(duì)風(fēng)電、光伏新能源發(fā)電的發(fā)電量進(jìn)行預(yù)測(cè)。主要內(nèi)容包括風(fēng)光新能源發(fā)電預(yù)測(cè)背景、風(fēng)光新能源發(fā)電預(yù)測(cè)基礎(chǔ)、風(fēng)電功率單值預(yù)測(cè)、光伏功率單值預(yù)測(cè)、風(fēng)光新能源發(fā)電概率預(yù)測(cè)、風(fēng)光新能源發(fā)電組合預(yù)測(cè)和風(fēng)光新能源發(fā)電爬坡事件預(yù)測(cè)等。本書的研究成果是對(duì)作者團(tuán)隊(duì)研究成果的系統(tǒng)性總結(jié)，形成了完備的風(fēng)光新能源功率預(yù)測(cè)體系，能夠代表當(dāng)前風(fēng)光功率預(yù)測(cè)先進(jìn)技術(shù)和前沿方向，具有一定參考價(jià)值。

作者簡(jiǎn)介

　　楊明山東大學(xué)電氣工程學(xué)院副院長(zhǎng)、教授、博士生導(dǎo)師，山東省優(yōu)秀科技工作者，全球前2%ding尖科學(xué)家，國(guó)家一流課程負(fù)責(zé)人；長(zhǎng)期從事風(fēng)光新能源功率預(yù)測(cè)理論研究，擔(dān)任《電力系統(tǒng)自動(dòng)化》“新能源電力系統(tǒng)預(yù)測(cè)技術(shù)及其應(yīng)用”專輯特約主編、《高電壓技術(shù)》“促進(jìn)可再生能源消納的發(fā)電功率預(yù)測(cè)技術(shù)及應(yīng)用”專輯特邀主編，以及IEEE Transactions on Power Systems、IEEE Transactions on Industry Applications等期刊副編輯；主持多項(xiàng)與新能源發(fā)電功率預(yù)測(cè)相關(guān)的國(guó)家級(jí)、省部級(jí)縱向項(xiàng)目，包括國(guó)家重點(diǎn)研發(fā)計(jì)劃“大規(guī)模風(fēng)電/光伏多時(shí)間尺度供電能力預(yù)測(cè)技術(shù)—極端與轉(zhuǎn)折性天氣下風(fēng)電/光伏功率爬坡及供電能力不足風(fēng)險(xiǎn)預(yù)測(cè)技術(shù)”、國(guó)家自然科學(xué)基金項(xiàng)目“短期負(fù)荷預(yù)測(cè)自適應(yīng)動(dòng)態(tài)建模理論與方法研究”、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“促進(jìn)可再生能源消納的風(fēng)電/光伏發(fā)電功率預(yù)測(cè)技術(shù)及應(yīng)用—多空間尺度風(fēng)電/光伏短期功率預(yù)測(cè)及概率預(yù)測(cè)技術(shù)”、山東省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“數(shù)據(jù)驅(qū)動(dòng)的風(fēng)電預(yù)報(bào)系統(tǒng)關(guān)鍵技術(shù)研究”等。

圖書目錄

前言
第1章風(fēng)光新能源發(fā)電預(yù)測(cè)背景
1.1 風(fēng)光新能源發(fā)展現(xiàn)狀
1.1.1 風(fēng)電發(fā)展現(xiàn)狀
1.1.2 光伏發(fā)展現(xiàn)狀
1.2 風(fēng)光新能源發(fā)電預(yù)測(cè)系統(tǒng)發(fā)展歷程
1.2.1 風(fēng)電預(yù)測(cè)系統(tǒng)發(fā)展歷程
1.2.2 光伏發(fā)電功率預(yù)測(cè)系統(tǒng)發(fā)展歷程
1.3 風(fēng)光新能源發(fā)電預(yù)測(cè)意義
1.2.3 新能源發(fā)電預(yù)測(cè)對(duì)電力系統(tǒng)安全經(jīng)濟(jì)運(yùn)行的意義
1.2.4 新能源發(fā)電預(yù)測(cè)對(duì)電力市場(chǎng)高效運(yùn)行的意義
第2章風(fēng)光新能源發(fā)電預(yù)測(cè)基礎(chǔ)
2.1 數(shù)值天氣預(yù)報(bào)技術(shù)
2.1.1 概述
2.2.2 全球尺度數(shù)值氣象模式
2.2.3中尺度數(shù)值氣象模式
2.2.4 面向風(fēng)光新能源發(fā)電預(yù)測(cè)的電力氣象預(yù)報(bào)
2.2 風(fēng)光新能源發(fā)電預(yù)測(cè)分類
2.2.1 時(shí)間尺度分類
2.2.2 空間尺度分類
2.2.3 預(yù)測(cè)模型分類
2.2.4 預(yù)測(cè)形式分類
2.3 風(fēng)光新能源發(fā)電預(yù)測(cè)基礎(chǔ)模型
2.3.1 物理模型
2.3.2 統(tǒng)計(jì)模型
2.3.3 機(jī)器學(xué)習(xí)與人工智能模型
2.4 風(fēng)光新能源發(fā)電預(yù)測(cè)評(píng)價(jià)體系
2.4.1 單值預(yù)測(cè)評(píng)價(jià)
2.4.2 概率預(yù)測(cè)評(píng)價(jià)
2.4.2 事件預(yù)測(cè)評(píng)價(jià)
2.4.4 考核要求
第3章風(fēng)電功率單值預(yù)測(cè)
3.1 風(fēng)力發(fā)電特性分析
3.1.1 氣象相依特性
3.1.2 時(shí)序波動(dòng)特性
3.2 風(fēng)電場(chǎng)功率超短期預(yù)測(cè)
3.2.1 概述
3.2.2 基本算法原理
3.2.3 基于多變量EDM的風(fēng)電功率單值預(yù)測(cè)
3.2.4 算例分析
3.3 風(fēng)電場(chǎng)功率短期預(yù)測(cè)
3.3.1 概述
3.3.2 基于減法聚類和GK模糊聚類算法的氣象條件分類方法
3.3.3 基于氣象分類和XGBoost的短期風(fēng)電場(chǎng)功率預(yù)測(cè)
3.3.4 算例分析
3.4 集群風(fēng)電場(chǎng)功率預(yù)測(cè)
3.4.1 概述
3.4.2 時(shí)空特征深度挖掘的集群風(fēng)電功率預(yù)測(cè)模型
3.4.3 算例分析
第4章光伏功率單值預(yù)測(cè)
4.1 光伏發(fā)電特性分析
4.1.1 氣象相依特性
4.1.2 時(shí)序波動(dòng)特性
4.2 光伏功率超短期預(yù)測(cè)
4.2.1 概述
4.2.2 多時(shí)間尺度云團(tuán)移動(dòng)預(yù)測(cè)
4.2.3 考慮云遮擋的光伏功率超短期預(yù)測(cè)
4.2.4 算例分析
4.3 光伏功率短期預(yù)測(cè)
4.3.1 概述
4.3.2 基于高斯相似度的相似日檢索方法
4.3.3 基于相似日檢索與Light-GBM的光伏功率預(yù)測(cè)模型
4.3.4 算例分析
4.4. 分布式光伏功率預(yù)測(cè)
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 分布式光伏平穩(wěn)序列與波動(dòng)序列插值過程
4.4.4 算例分析
第5章風(fēng)光新能源發(fā)電概率預(yù)測(cè)
5.1 稀疏貝葉斯學(xué)習(xí)
5.1.1 概述
5.1.2 SBL原理
5.1.3 基于SBL的新能源功率概率預(yù)測(cè)——以風(fēng)電為例
5.1.4 算例分析——以風(fēng)電為例
5.2 分位數(shù)回歸
5.2.1 概述
5.2.2 基于非線性分位數(shù)回歸的新能源發(fā)電功率概率預(yù)測(cè)模型
5.2.3 算例分析——以風(fēng)電為例
5.3 D-S證據(jù)理論
5.3.1 概述
5.3.2 誤差條件概率預(yù)測(cè)
5.3.3 D-S證據(jù)理論整合概率分布
5.3.4 算例分析——以風(fēng)電為例
5.4 核密度估計(jì)
5.4.1 概述
5.4.2 基于KDE的新能源發(fā)電功率概率預(yù)測(cè)模型
5.4.3 算例分析——以光伏為例
第6章風(fēng)光新能源發(fā)電組合預(yù)測(cè)
6.1 單值預(yù)測(cè)組合模型
6.1.1 概述
6.1.2 自適應(yīng)增強(qiáng)集成模型原理
6.1.3 基于自適應(yīng)增強(qiáng)的單值集成組合預(yù)測(cè)
6.1.4 算例分析—以光伏功率預(yù)測(cè)為例
6.2 概率預(yù)測(cè)組合模型
6.2.1 概述
6.2.2 擴(kuò)展BMA模型原理
6.2.3 組合非參數(shù)概率預(yù)測(cè)—以風(fēng)電為例
6.2.4 算例分析—以風(fēng)電功率預(yù)測(cè)為例
第7章風(fēng)光新能源發(fā)電爬坡事件預(yù)測(cè)
7.1 風(fēng)電爬坡事件預(yù)測(cè)
7.1.1 概述
7.1.2 風(fēng)電爬坡事件定義
7.1.3 基于樸素貝葉斯網(wǎng)絡(luò)的爬坡事件概率預(yù)測(cè)模型
7.1.4 算例分析
7.2光伏功率爬坡事件預(yù)測(cè)
7.2.1 概述
7.2.2 考慮日周期性影響的光伏功率爬坡事件定義
7.2.3 基于信度網(wǎng)絡(luò)的光伏功率爬坡事件預(yù)測(cè)
7.2.4 算例分析
參考文獻(xiàn)