书名：可再生能源电力预测理论与方法
定价：188.0
ISBN：9787030841926
作者：黎静华,韦善阳
版次：1
出版时间：2026-03

内容提要：

本书系统地介绍跟踪可再生能源电力变化的预测理论与方法，包括点预测、区间预测、概率预测和场景预测理论与方法。全书共7章。第1章介绍可再生能源电力预测的基本概念、内容范围、分类以及研究现状。第2章对可再生能源电力的影响因素以及特性进行分析。第3章阐述点预测理论与方法，包括基于奇异谱分析和基于深度学习的两类预测方法。第4章阐述区间预测理论与方法，包括基于概率分布函数逆运算方法、基于分位数构造的方法和边值估计法等三类方法。第5章阐述概率预测理论与方法，包括改进动态贝叶斯网络和改进卷积神经网络两类预测方法。第6章阐述场景预测理论与方法，重点介绍基于渐近优化的场景生成理论与方法。第7章为可再生能源电力预测的总结及展望。

目录：
目录
前言
第1章 可再生能源电力预测概述 1
1.1 可再生能源电力预测的基本概念 1
1.2 可再生能源电力预测的分类及应用场合 2
1.2.1 本书主要预测研究对象 2
1.2.2 可再生能源电力预测的分类 3
1.2.3 可再生能源电力预测的应用场合 3
1.3 可再生能源电力预测的一般方法 4
1.3.1 点预测的一般方法 4
1.3.2 区间预测的一般方法 11
1.3.3 概率预测的一般方法 14
1.3.4 场景预测的一般方法 16
1.4 本章小结 23
参考文献 23
第2章 可再生能源电力影响因素及特性分析 27
2.1 风力发电的影响因素及特性分析 27
2.1.1 风力发电影响因素分析 27
2.1.2 风力发电的特性分析 30
2.2 光伏发电的影响因素及特性分析 37
2.2.1 光伏发电的影响因素分析 37
2.2.2 光伏发电功率的特性分析 42
2.3 可再生能源等因素作用下的广义负荷特性分析 46
2.3.1 广义负荷的定义和构成 46
2.3.2 广义负荷特性建模与分析框架 47
2.3.3 考虑多因素耦合的广义负荷建模 49
2.3.4 算例分析 56
2.4 本章小结 71
参考文献 71
第3章 可再生能源电力点预测理论与方法 73
3.1 可再生能源电力点预测概述 73
3.1.1 点预测定义 73
3.1.2 点预测精度的评价指标 73
3.2 基于奇异谱分析的点预测方法 75
3.2.1 基于奇异谱分析的可再生能源发电预测方法 75
3.2.2 基于奇异谱分析的可再生能源发电预测实例 81
3.3 基于深度学习的点预测方法 87
3.3.1 应用于电力预测的深度学习网络结构 88
3.3.2 深度学习网络参数训练方法 90
3.3.3 算例分析 93
3.4 本章小结 97
参考文献 97
第4章 可再生能源电力区间预测理论与方法 98
4.1 可再生能源电力区间预测概述 98
4.1.1 区间预测的定义 98
4.1.2 区间预测的特点 98
4.1.3 区间预测精度的评价指标 99
4.2 基于经验Copula函数逆运算的区间预测方法 101
4.2.1 Copula函数相关理论介绍 102
4.2.2 基于Copula函数求逆方法的可再生能源电力预测思路 103
4.2.3 基于条件Copula函数求逆方法的可再生能源电力预测步骤 103
4.2.4 算例分析 106
4.3 基于分位数卷积神经网络的区间预测方法 110
4.3.1 分位数回归模型 111
4.3.2 基于卷积神经网络和分位数回归的区间预测思路 114
4.3.3 分位数卷积神经网络模型构造及训练方法 116
4.3.4 基于QCNN的区间预测流程 118
4.3.5 算例分析 120
4.4 基于改进边值估计法的区间预测方法 126
4.4.1 基于RBF神经网络的区间预测模型 126
4.4.2 区间预测优化模型的建立与求解 127
4.4.3 算例分析 130
4.5 本章小结 134
参考文献 134
第5章 可再生能源电力概率预测理论与方法 136
5.1 可再生能源电力概率预测概述 136
5.1.1 概率预测的定义 136
5.1.2 概率预测方法的分类 136
5.2 可再生能源电力概率预测评价指标 137
5.2.1 应用于比较预测概率分布与典型概率分布的指标 137
5.2.2 应用于比较预测概率分布散点与实际值的指标 138
5.3 基于改进动态贝叶斯网络的概率预测方法 140
5.3.1 基于改进动态贝叶斯网络的概率预测方法思路 140
5.3.2 基于粗糙集理论及K近邻算法的概率预测输入特征预处理方法 141
5.3.3 基于动态贝叶斯网络的可再生能源发电概率预测模型 146
5.3.4 算例分析 153
5.4 基于改进卷积神经网络的概率预测方法 161
5.4.1 基于改进卷积神经网络的概率预测方法思路 161
5.4.2 训练样本的概率分布生成 161
5.4.3 基于卷积神经网络的概率生成 165
5.4.4 算例分析 167
5.5 本章小结 172
参考文献 172
第6章 可再生能源电力场景预测理论与方法 174
6.1 可再生能源电力场景预测概述 174
6.1.1 场景预测定义 174
6.1.2 场景预测分类 174
6.1.3 场景预测的一般流程 176
6.2 场景预测性能的测试方法 176
6.2.1 稳定性测试 177
6.2.2 偏差测试 178
6.3 场景预测精度的评价指标 179
6.3.1 基于输出结果的评价指标 179
6.3.2 基于概率分布函数的评价指标 179
6.3.3 基于事件的评价指标 180
6.4 基于优化理论的场景预测方法 182
6.4.1 基于优化的场景生成方法简介 182
6.4.2 矩匹配方法 184
6.4.3 距离匹配方法 190
6.4.4 基于优化的场景生成方法优缺点分析 191
6.4.5 基于改进矩匹配方法的场景预测实例分析 193
6.4.6 基于改进矩匹配方法的电力系统经济调度应用 200
6.5 本章小结 211
参考文献 211
第7章 可再生能源电力预测总结与展望 213
7.1 总结 213
7.1.1 点预测 213
7.1.2 区间预测 213
7.1.3 概率预测 214
7.1.4 场景预测 214
7.2 展望 215