上篇 新能源电力系统预测与特征识别
第1章 基于灰色理论的风电功率预测
1.1 风电功率预测相关技术
1.1.1 小波分解及重构
1.1.2 ADF检验
1.1.3 灰色理论
1.1.4 马尔可夫链
1.2 风电功率时间序列的前置处理
1.2.1 基于ADF检验的小波分解实现
1.2.2 分解结果分析
1.3 基于小波二阶灰色神经网络-马尔可夫链模型的风电功率区间预测
1.3.1 二阶灰色模型的参数优化
1.3.2 小波二阶灰色神经网络-马尔可夫链模型的建立
1.3.3 风电功率区间预测仿真结果
1.4 本章小结
第2章 基于Stacking融合模型的负荷预测
2.1 负荷预测相关技术
2.1.1 SVM基本原理
2.1.2 LightGBM算法基本原理
2.1.3 改进人工鱼群算法原理
2.1.4 Stacking集成学习原理
2.2 基于改进AFSA的SVM-Stacking融合模型
2.3 构建LightGBM和SVM-Stacking融合模型
2.3.1 余弦相似度
2.3.2 不同核函数的SVM模型相关性分析
2.3.3 使用LightGBM改进SVM-Stacking融合模型
2.4 预测结果对比分析
2.4.1 算例数据与输入
2.4.2 不同基模型预测结果对比分析
2.4.3不同方法预测结果对比分析
2.5 本章小结
第3章 基于数据挖掘技术的负荷特征识别
3.1 负荷特征识别相关理论
3.1.1 奇异值分解
3.1.2 KICIC算法
3.1.3 Shapelet
3.1.4 GEM
3.1.5 随机森林算法
3.1.6 聚类算法评价指标
3.2 数据预处理
3.2.1 异常或缺失数据的识别与修正
3.2.2 负荷曲线归一化
3.3 基于SVD-KICIC的负荷曲线聚类方法
3.3.1 SVD-KICIC算法及实现
3.3.2 算例分析
3.4 基于时序轨迹特征的无监督有监督结合分类方法
3.4.1 Shapelet学习样本的获取
3.4.2 确定Shapelet位置信息
3.4.3 基于时序轨迹特征的随机森林分类模型
3.4.4 算例分析
3.5 本章小结
参考文献
中篇 新能源电力系统随机特性分析
第4章 新能源电力系统元件模型
4.1 风力发电数学模型
4.2 光伏发电数学模型
4.3 储能系统数学模型
4.4 柴油发电机数学模型
4.5 负荷
第5章 概率分析方法
5.1 蒙特卡罗模拟法
5.2 拉丁超立方采样法
5.2.1 采样
5.2.2 排序
5.3 两点估计法
5.3.1 一元函数的两点估计法
5.3.2 多元函数的两点估计法
5.4 半不变量法
5.5 分布函数的拟合
5.5.1 Gram-Charlier级数展开法
5.5.2 Cornish-Fisher级数展开法
第6章 考虑随机变量相关性的概率潮流仿真方法
6.1 随机源模型及其相关系数矩阵
6.1.1 随机源模型
6.1.2 随机源模型的相关系数矩阵
6.2 概率潮流仿真方法
6.2.1 Nataf变换
6.2.2 拉丁超立方采样
6.2.3 二次排序
6.3 大规模电力系统概率潮流计算
6.4 算例分析
6.4.1 改进后的IEEE14节点系统
6.4.2 改进后的IEEE118节点系统
6.4.3 分析
6.5 本章小结
第7章 考虑时变特性的分布式电源优化配置研究
7.1 含不同类型分布式电源的潮流计算
7.1.1 分布式电源的潮流计算模型
7.1.2 PV恒定型分布式电源在前推回代潮流算法中的处理方法
7.1.3 分层前推回代潮流算法
7.1.4 含分布式电源的两点法概率潮流计算
7.2 分布式电源接入对配电网有功网损的影响
7.2.1 转置雅可比矩阵法求有功网损微增率
7.2.2 基于转置雅可比矩阵法的两点法概率有功网损微增率
7.2.3 算例分析
7.3 分布式电源优化配置
7.3.1 目标函数
7.3.2 约束条件
7.3.3 算例分析
7.4 本章小结
第8章 考虑大规模相关随机变量的电压稳定概率评估方法
8.1 概率电压稳定估计基本理论
8.2 概率电压稳定模型
8.2.1 随机因素的概率模型
8.2.2 电压稳定模型
8.3 概率电压稳定评估中的相关随机样本生成
8.3.1 幂法变换
8.3.2 采样与排列
8.3.3 概率电压稳定评估步骤
8.4 算例分析
8.4.1 IEEE14节点算例分析
8.4.2 IEEE118节点算例分析
8.5 本章小结
第9章 含新能源发电的概率可用输电能力评估
9.1 基于拉丁超立方采样的概率可用输电能力研究
9.1.1 可用输电能力的定义
9.1.2 拉丁超立方采样原理
9.1.3 基于最优潮流的可用输电能力计算模型
9.1.4 系统概率可用输电能力评估指标
9.2 计及风光可靠性模型的新能源出力研究
9.2.1 风光可靠性模型
9.2.2 传统电力系统
展开
