免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

目錄
前言
第1章 預(yù)測(cè)科學(xué)基礎(chǔ) 1
1.1 概述 1
1.2 預(yù)測(cè)的基本原理 1
1.2.1 預(yù)測(cè)的定義 1
1.2.2 預(yù)測(cè)的一般步驟 2
1.2.3 預(yù)測(cè)時(shí)間尺度 4
1.2.4 新能源電力系統(tǒng)預(yù)測(cè)對(duì)象 5
1.3 常用預(yù)測(cè)模型與方法 9
1.3.1 物理預(yù)測(cè)模型 10
1.3.2 時(shí)間序列預(yù)測(cè)模型 10
1.3.3 統(tǒng)計(jì)法預(yù)測(cè)模型 12
1.3.4 機(jī)器學(xué)習(xí)預(yù)測(cè)模型 14
1.3.5 組合預(yù)測(cè)模型 20
1.4 預(yù)測(cè)科學(xué)的挑戰(zhàn) 20
參考文獻(xiàn) 22
第2章 概率預(yù)測(cè)的數(shù)學(xué)原理與應(yīng)用價(jià)值 24
2.1 概述 24
2.2 預(yù)測(cè)不確定性 24
2.2.1 預(yù)測(cè)誤差統(tǒng)計(jì)特性分析 24
2.2.2 預(yù)測(cè)不確定性的來(lái)源 32
2.3 概率預(yù)測(cè)數(shù)學(xué)原理 34
2.3.1 概率預(yù)測(cè)的數(shù)學(xué)本質(zhì) 34
2.3.2 概率預(yù)測(cè)基本形式 35
2.3.3 概率預(yù)測(cè)評(píng)價(jià)指標(biāo) 39
2.3.4 概率預(yù)測(cè)方法分類(lèi) 45
2.4 概率預(yù)測(cè)的電力系統(tǒng)應(yīng)用 49
2.4.1 不確定性環(huán)境下的決策方法 49
2.4.2 新能源電力系統(tǒng)不確定性分析 51
2.4.3 新能源電力系統(tǒng)運(yùn)行控制 53
2.4.4 新能源電力系統(tǒng)優(yōu)化規(guī)劃 55
2.4.5 電力市場(chǎng)交易與需求響應(yīng) 56
參考文獻(xiàn) 57
第3章 自舉極限學(xué)習(xí)機(jī)概率預(yù)測(cè)方法 60
3.1 概述 60
3.2 極限學(xué)習(xí)機(jī) 60
3.2.1 單隱藏層前饋神經(jīng)網(wǎng)絡(luò) 60
3.2.2 經(jīng)典梯度下降訓(xùn)練算法 62
3.2.3 極限學(xué)習(xí)機(jī)*小二乘訓(xùn)練算法 63
3.2.4 極限學(xué)習(xí)機(jī)的應(yīng)用優(yōu)勢(shì) 64
3.3 預(yù)測(cè)不確定性 65
3.3.1 預(yù)測(cè)區(qū)間與置信區(qū)間 65
3.3.2 總體不確定性 65
3.4 自舉極限學(xué)習(xí)機(jī) 66
3.4.1 自舉法 66
3.4.2 真回歸估計(jì) 70
3.4.3 模型不確定性方差 71
3.4.4 梯度下降神經(jīng)網(wǎng)絡(luò)殘差估計(jì) 71
3.4.5 自舉極限學(xué)習(xí)機(jī)殘差估計(jì) 73
3.5 算例分析 75
3.5.1 市場(chǎng)出清電價(jià)概率預(yù)測(cè)算例分析 75
3.5.2 風(fēng)電功率概率預(yù)測(cè)算例分析 80
3.6 本章小結(jié) 88
參考文獻(xiàn) 89
第4章 自適應(yīng)集成深度學(xué)習(xí)概率預(yù)測(cè)方法 91
4.1 概述 91
4.2 深度學(xué)習(xí) 91
4.2.1 深度學(xué)習(xí)基礎(chǔ) 91
4.2.2 深度學(xué)習(xí)方法 93
4.3 集成學(xué)習(xí) 99
4.3.1 集成學(xué)習(xí)定義 99
4.3.2 集成學(xué)習(xí)算法基礎(chǔ) 100
4.3.3 集成學(xué)習(xí)組合策略 103
4.4 自適應(yīng)集成深度學(xué)習(xí) 104
4.4.1 初級(jí)集成深度學(xué)習(xí)模型構(gòu)建 104
4.4.2 自適應(yīng)混合集成 108
4.4.3 概率預(yù)測(cè)模型 110
4.5 算例分析 112
4.5.1 算例描述 112
4.5.2 模型參數(shù)確定 113
4.5.3 確定性預(yù)測(cè)性能分析 115
4.5.4 概率預(yù)測(cè)驗(yàn)證 118
4.6 本章小結(jié) 121
參考文獻(xiàn) 122
第5章 機(jī)器學(xué)習(xí)直接區(qū)間預(yù)測(cè) 123
5.1 概述 123
5.2 直接區(qū)間預(yù)測(cè)模型 123
5.2.1 區(qū)間預(yù)測(cè)概述 123
5.2.2 預(yù)測(cè)區(qū)間分?jǐn)?shù) 124
5.2.3 直接區(qū)間預(yù)測(cè)模型構(gòu)建 125
5.3 基于分位數(shù)的預(yù)測(cè)區(qū)間 127
5.3.1 預(yù)測(cè)區(qū)間與分位數(shù) 127
5.3.2 分位水平靈敏度分析 128
5.4 自適應(yīng)雙層優(yōu)化模型 129
5.4.1 *短可靠預(yù)測(cè)區(qū)間 129
5.4.2 自適應(yīng)雙層優(yōu)化模型 129
5.4.3 雙層模型的解耦 134
5.4.4 改進(jìn)分支定界算法 135
5.5 算例分析 141
5.5.1 算例描述 141
5.5.2 直接區(qū)間預(yù)測(cè) 142
5.5.3 對(duì)稱(chēng)與非對(duì)稱(chēng)預(yù)測(cè)區(qū)間 143
5.5.4 自適應(yīng)預(yù)測(cè)區(qū)間 145
5.6 本章小結(jié) 149
參考文獻(xiàn) 150
第6章 機(jī)器學(xué)習(xí)*優(yōu)區(qū)間預(yù)測(cè) 152
6.1 概述 152
6.2 預(yù)測(cè)區(qū)間帕累托*優(yōu) 152
6.2.1 區(qū)間預(yù)測(cè)的目標(biāo) 152
6.2.2 多目標(biāo)優(yōu)化模型構(gòu)建 154
6.2.3 帕累托*優(yōu)性 154
6.2.4 非支配排序遺傳算法 155
6.3 機(jī)會(huì)約束極限學(xué)習(xí)機(jī)區(qū)間預(yù)測(cè) 158
6.3.1 機(jī)會(huì)約束與區(qū)間預(yù)測(cè)的關(guān)系 158
6.3.2 機(jī)會(huì)約束極限學(xué)習(xí)機(jī)模型 158
6.3.3 機(jī)會(huì)約束問(wèn)題的參數(shù)*優(yōu)化模型 160
6.3.4 基于凸差優(yōu)化的二分訓(xùn)練算法 163
6.4 算例分析 169
6.4.1 算例描述 169
6.4.2 帕累托*優(yōu)分析 170
6.4.3 多季節(jié)預(yù)測(cè)區(qū)間分析 171
6.4.4 多置信度區(qū)間預(yù)測(cè)分析 173
6.4.5 多提前時(shí)間區(qū)間預(yù)測(cè)分析 174
6.4.6 預(yù)測(cè)區(qū)間分位水平分析 175
6.4.7 求解算法分析 176
6.5 本章小結(jié) 178
參考文獻(xiàn) 179
第7章 直接分位數(shù)回歸非參數(shù)概率預(yù)測(cè)方法 181
7.1 概述 181
7.2 分位數(shù)回歸理論 181
7.2.1 參數(shù)化與非參數(shù)化概率預(yù)測(cè) 181
7.2.2 分位數(shù)與概率預(yù)測(cè) 182
7.2.3 分位數(shù)回歸 184
7.2.4 分位數(shù)回歸的評(píng)價(jià) 186
7.3 極限學(xué)習(xí)機(jī)直接分位數(shù)回歸 186
7.3.1 直接單分位數(shù)回歸 186
7.3.2 直接多分位數(shù)回歸 187
7.3.3 基于線性規(guī)劃的訓(xùn)練算法 189
7.3.4 對(duì)直接分位數(shù)回歸方法的討論 190
7.4 算例分析 191
7.4.1 算例描述 191
7.4.2 多置信水平分位數(shù)預(yù)測(cè) 192
7.4.3 多提前時(shí)間分位數(shù)預(yù)測(cè) 194
7.4.4 計(jì)算效率分析 197
7.5 本章小結(jié) 198
參考文獻(xiàn) 198
第8章 數(shù)據(jù)驅(qū)動(dòng)非參數(shù)概率預(yù)測(cè) 200
8.1 概述 200
8.2 基礎(chǔ)理論與總體框架 200
8.2.1 理論支撐 200
8.2.2 總體預(yù)測(cè)框架 201
8.3 相似模式挖掘 202
8.3.1 特征選擇 202
8.3.2 相似性度量 205
8.3.3 相似模式數(shù)目確定 208
8.4 自適應(yīng)集成密度估計(jì) 209
8.4.1 密度估計(jì) 209
8.4.2 自適應(yīng)權(quán)重確定 212
8.5 算例分析 214
8.5.1 算例描述 214
8.5.2 多提前時(shí)間多季節(jié)概率預(yù)測(cè) 214
8.5.3 計(jì)算效率比較 223
8.6 本章小結(jié) 223
參考文獻(xiàn) 224
第9章 概率預(yù)測(cè)-決策一體化 226
9.1 概述 226
9.2 成本驅(qū)動(dòng)的預(yù)測(cè)區(qū)間 226
9.2.1 預(yù)測(cè)區(qū)間的價(jià)值 226
9.2.2 成本驅(qū)動(dòng)預(yù)測(cè)區(qū)間的構(gòu)建 227
9.3 電力系統(tǒng)運(yùn)行備用的確定性量化方法 228
9.3.1 電力系統(tǒng)運(yùn)行備用基本概念 228
9.3.2 基于某一準(zhǔn)則的確定性分析方法 228
9.3.3 基于可靠性的不確定性分析方法 229
9.3.4 基于成本效益的不確定性分析方法 230
9.4 基于概率預(yù)測(cè)的電力系統(tǒng)運(yùn)行備用量化 231
9.4.1 備用需求與概率預(yù)測(cè)的關(guān)系 231
9.4.2 備用量化的評(píng)估 233
9.5 備用量化的概率預(yù)測(cè)-決策一體化模型 234
9.5.1 基于極限學(xué)習(xí)機(jī)的預(yù)測(cè)區(qū)間 234
9.5.2 目標(biāo)函數(shù) 235
9.5.3 概率預(yù)測(cè)與運(yùn)行備用約束 236
9.5.4 模型線性化 237
9.5.5 模型求解策略 240
9.6 算例分析 244
9.6.1 算例描述 244
9.6.2 備用量化性能總體評(píng)估 246
9.6.3 備用量化統(tǒng)計(jì)特性分析 248
9.6.4 不同置信度下備用量化性能分析 250
9.6.5 計(jì)算效率分析 252
9.7 本章小結(jié) 253
參考文獻(xiàn) 254