随着人工智能的发展，大数据分析逐渐应用于电力系统，有许多复杂的问题亟待解决。本书以Python作为分析和预测的工具，将通过从不同平台采集到的电力数据进行筛选处理，再使用不同的算法进行训练和预测，最终得到预测结果。具体案例包括电动汽车负荷预测、风电功率概率密度的预测、光伏发电预测以及生物质发电系统中沼气产量的预测。对于研究电力系统人工智能应用的初学者来说，这些实例提供了简单的入门途径。 本书主要作为电气工程、自动化、计算机等相关专业本科生、研究生以及研究电力系统中人工智能的技术人员的参考书。

前言
第1章 Python简介
1.1 环境安装和编译环境介绍
1.2 使用Jupyter Notebook
1.3 拓展库的安装
1.4 常用的Python库
本章参考文献
第2章 电力数据预测理论和方法
2.1 智能电网中的数据分析
2.2 数据预处理
2.3 机器学习
本章参考文献
第3章 电动汽车负荷预测
3.1 概述
3.2 基于空洞因果卷积分位数回归模型的电动汽车负荷预测
3.3 基于深度学习的电动汽车负荷时空动态负荷预测
本章参考文献
第4章 风电功率概率密度的预测
4.1 风电功率预测概况
4.2 风电功率发电特征分析
4.3 模型构建
4.4 基于Python的算例仿真
本章参考文献
第5章 光伏发电预测
5.1 光伏发电预测概况
5.2 光伏发电预测方法与过程
5.3 模型评价
5.4 基于Python的光伏发电预测算例仿真
本章参考文献
第6章 生物质发电系统中的沼气产量预测
6.1 研究背景与意义
6.2 数据处理
6.3 机器学习算法
6.4 基于Python的算例分析
本章参考文献