电力系统源荷数据预测分析

本书以源荷数据预测分析为研究目标，是对日常工作的概括总结。本书介绍了时间序列、机器学习、神经网络等算法，并将其进行组合用于电力系统的预测，最终针对每日用电量、时点负荷以及光伏出力预测问题分别构造了算法模型。本书共分为五章，其中第一章是概述性章节，讲述了问题的出发点以及列举了目前的一些研究情况。第二章则是详细介绍了后续用到的各种算法原理。后三章是应用，每一章对应一类预测问题，内容涵盖了建模思想、模型构造以及案例分析三部分，从数据特性出发，选择适当的建模思路以及合适的模型。

兰洲，工程博士，国网浙江省电力有限公司经济技术研究院正高级工程师。研究领域包括能源电力政策、电力市场、电网运行等。

董丹煌，硕士，国网浙江省电力有限公司经济技术研究院高级工程师。研究领域包括公司经营、电网投资、电力体制改革、新能源与储能等。

张朋，博士，浙江大学数学科学学院教授。研究领域包括人工智能和机器学习、生物统计、纵向数据分析、测量误差模型等。

楼杏丹，硕士，浙江华云信息科技有限公司高级工程师。主要从事电力行业数字化转型咨询与建设、大数据分析应用，业务中台系统重构等工作。

文凡，硕士，国网浙江省电力有限公司经济技术研究院高级工程师。研究领域包括经营分析、投资决策、能源和电力经济等。

第1章 绪论  

1.1 研究背景与意义  

1.2 国内外研究现状  

第2章 理论基础  

2.1 时间序列  

2.2 机器学习  

2.3 神经网络  

第3章 日用电量预测  

3.1 周期性分析  

3.2 模型构造  

3.3 案例分析  

第4章 时点负荷预测  

4.1 短期时点负荷预测  

4.2 中长期时点负荷预测  

第5章 光伏出力预测  

5.1 气象数据  

5.2 节点选取  

5.3 模型构造  

5.4 案例分析  

参考文献