店铺推荐
【推荐语】
风光新能源发电预测是针对调控风光发电先天具有出力不稳特性、改善新能源发电质量、整合电网调度方面的重要技术，也是随着新能源发电的技术进步、装机量增加而发展起来的新兴优选技术，风光新能源发电预测方面优选技术的探索，对我国绿色能源发展战略和“双碳”目标的实现具有重要意义。
著作《风光新能源发电先进预测技术》由国内该领域的ding级专家撰写，是作者及其科研团队在近年参与多项国家重点研发计划项目的结论的结晶。特别是通过时间尺度、空间尺度和不同预测形式的角度，结合前沿的大数据技术及人工智能技术，创新性地提出了精准性更高的预测方法，具有极高的学术价值和社会价值。
著作《风光新能源发电先进预测技术》由国内该领域的ding级专家撰写，是作者及其科研团队在近年参与多项国家重点研发计划项目的结论的结晶。特别是通过时间尺度、空间尺度和不同预测形式的角度，结合前沿的大数据技术及人工智能技术，创新性地提出了精准性更高的预测方法，具有极高的学术价值和社会价值。
【内容】
本书的主题是对风电和光伏新能源发电的功率进行预测。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。本书的内容是对作者团队研究成果的系统性总结，介绍了完备的风光新能源功率预测体系，能够代表当前风光功率预测的优选技术和前沿方向，具有一定参考价值。
本书可以作为风光新能源功率预测研究方向相关科研人员的参考书，也可以为负责新能源功率预测的现场工程人员提供技术指导，还可以作为各院校相关专业研究生的教材。
本书可以作为风光新能源功率预测研究方向相关科研人员的参考书，也可以为负责新能源功率预测的现场工程人员提供技术指导，还可以作为各院校相关专业研究生的教材。
【目录】
前言
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
1.2.3 新能源发电预测对电力系统安全经济运行的意义
1.2.4 新能源发电预测对电力市场高效运行的意义
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
2.2.2 全球尺度数值气象模式
2.2.3中尺度数值气象模式
2.2.4 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
2.4.2 事件预测评价
2.4.4 考核要求
第3章 风电功率单值预测
3.1 风力发电特性分析
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EDM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 集群风电场功率预测
3.4.1 概述
3.4.2 时空特征深度挖掘的集群风电功率预测模型
3.4.3 算例分析
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与波动序列插值过程
4.4.4 算例分析
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
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
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
参考文献
