電力數(shù)據(jù)預(yù)測是大數(shù)據(jù)預(yù)測在電力領(lǐng)域的應(yīng)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(wǎng)的提出與大數(shù)據(jù)處理技術(shù)的不斷發(fā)展,國內(nèi)也逐漸開始探索大數(shù)據(jù)機(jī)器學(xué)習(xí)在智能電網(wǎng)中的應(yīng)用。大數(shù)據(jù)處理技術(shù)在電力系統(tǒng)中的廣泛應(yīng)用會促進(jìn)新的商業(yè)模式的出現(xiàn),可用于設(shè)備資產(chǎn)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(lǐng)域。大數(shù)據(jù)在智能電網(wǎng)中的應(yīng)用一般都包含以下幾個部分:在電網(wǎng)運行方面,通過分析歷史數(shù)據(jù),對電力系統(tǒng)運行狀態(tài)與趨勢進(jìn)行分析和預(yù)測,做出有針對性的調(diào)整,提高電力系統(tǒng)的穩(wěn)定性,優(yōu)化電網(wǎng)的日常運行并進(jìn)行監(jiān)督與管理,提高電網(wǎng)的自動化管理水平;在新能源發(fā)電預(yù)測方面,減小預(yù)測誤差,提高電網(wǎng)調(diào)度的水平,提升發(fā)電效率;在設(shè)備運行維護(hù)方面,對設(shè)備故障進(jìn)行預(yù)測,通過挖掘與故障強(qiáng)關(guān)聯(lián)的因素,計算其影響權(quán)值,并根據(jù)專家診斷結(jié)果進(jìn)行調(diào)整,這種預(yù)測可以提前預(yù)測設(shè)備可能發(fā)生的故障,提醒運行維護(hù)人員及時進(jìn)行干預(yù)。由此可以看到,大數(shù)據(jù)可以應(yīng)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(jìn)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(xué)且功能強(qiáng)大的編程語言,它既有通用編程語言的強(qiáng)大功能,也有特定領(lǐng)域腳本語言 (如 MATLAB或 R)的易用性。第2章介紹了對電力數(shù)據(jù)預(yù)測理論和方法進(jìn)行了介紹,包括機(jī)器學(xué)習(xí)的發(fā)展史、電力數(shù)據(jù)預(yù)測的基本步驟,以及Python語言中的機(jī)器學(xué)習(xí),包括一些神經(jīng)網(wǎng)絡(luò)模型和基本算法。第3章為電動汽車充電樁負(fù)荷的預(yù)測,從電動汽車充電負(fù)荷的特性出發(fā),對相關(guān)原理和運用的神經(jīng)網(wǎng)絡(luò)及算法展開了介紹,其重點是空洞因果積分位數(shù)回歸模型在電動汽車負(fù)荷概率密度方面的應(yīng)用。第4章為風(fēng)電功率概率密度預(yù)測的相關(guān)內(nèi)容,從背景和意義出發(fā),介紹了風(fēng)電在新能源發(fā)電領(lǐng)域的發(fā)展現(xiàn)狀;在構(gòu)建風(fēng)電功率模型的基礎(chǔ)上,利用 LSTM 回歸、線性分位數(shù)回歸模型以及 LSTM分位數(shù)回歸模型進(jìn)行了核密度估計。第5章為光伏發(fā)電的預(yù)測,以光伏發(fā)電與天氣因素的關(guān)系作為特征指標(biāo),通過對數(shù)據(jù)的處理對光伏發(fā)電進(jìn)行預(yù)測。第6章針對近年來新能源發(fā)電在電網(wǎng)中所占比例的增加,介紹了生物質(zhì)能發(fā)電系統(tǒng)中沼氣產(chǎn)量的預(yù)測。該預(yù)測主要采用了特征工程進(jìn)行預(yù)測,以及其在機(jī)器學(xué)習(xí)中的模型。本書在討論預(yù)測方法和步驟的基礎(chǔ)上,給出了對算法和模型的優(yōu)化,并對模型和預(yù)測結(jié)果進(jìn)行了數(shù)據(jù)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(xué)習(xí)和參考。