123,123,123

內(nèi)容簡(jiǎn)介

　　隨著人工智能的發(fā)展，大數(shù)據(jù)分析逐漸應(yīng)用于電力系統(tǒng)，由許多復(fù)雜的問題亟待解決。本書以Python作為分析和預(yù)測(cè)的工具，將通過從不同平臺(tái)采集到的電力數(shù)據(jù)進(jìn)行篩選處理，再使用不同的算法進(jìn)行訓(xùn)練和預(yù)測(cè)，最Z終得到預(yù)測(cè)結(jié)果。具體案例包括電動(dòng)汽車負(fù)荷預(yù)測(cè)、風(fēng)電功率概論密度的預(yù)測(cè)、光伏發(fā)電出力預(yù)測(cè)以及餐廚垃圾發(fā)電系統(tǒng)中沼氣產(chǎn)量的預(yù)測(cè)。對(duì)有志于研究電力系統(tǒng)人工智能應(yīng)用的初學(xué)者來說，這些實(shí)例提供了更簡(jiǎn)單的入門途徑。

作者簡(jiǎn)介

　　彭曙蓉，長(zhǎng)沙理工大學(xué)電氣工程學(xué)院副教授。

圖書目錄

前言
第1章 Python簡(jiǎn)介
1.1 環(huán)境安裝和編譯環(huán)境介紹
1.2 使用JupyterNotebook
1.3 拓展庫的安裝
1.4 常用的Python庫
本章參考文獻(xiàn)
第2章電力數(shù)據(jù)預(yù)測(cè)理論和方法
2.1 智能電網(wǎng)中的數(shù)據(jù)分析
2.2 數(shù)據(jù)預(yù)處理
2.3 機(jī)器學(xué)習(xí)
本章參考文獻(xiàn)
第3章電動(dòng)汽車負(fù)荷預(yù)測(cè)
3.1 概述
3.2 基于空洞因果卷積分位數(shù)回歸模型的電動(dòng)汽車負(fù)荷預(yù)測(cè)
3.3 基于深度學(xué)習(xí)的電動(dòng)汽車負(fù)荷時(shí)空動(dòng)態(tài)負(fù)荷預(yù)測(cè)
本章參考文獻(xiàn)
第4章風(fēng)電功率概率密度的預(yù)測(cè)
4.1 風(fēng)電功率預(yù)測(cè)概況
4.2 風(fēng)電功率發(fā)電特征分析
4.3 模型構(gòu)建
4.4 基于Python的算例仿真
本章參考文獻(xiàn)
第5章光伏發(fā)電預(yù)測(cè)
5.1 光伏發(fā)電預(yù)測(cè)概況
5.2 光伏發(fā)電預(yù)測(cè)方法與過程
5.3 模型評(píng)價(jià)
5.4 基于Python的光伏發(fā)電預(yù)測(cè)算例仿真
本章參考文獻(xiàn)
第6章生物質(zhì)發(fā)電系統(tǒng)中的沼氣產(chǎn)量預(yù)測(cè)
6.1 研究背景與意義
6.2 數(shù)據(jù)處理
6.3 機(jī)器學(xué)習(xí)算法
6.4 基于Python的算例分析
本章參考文獻(xiàn)