电力数据预测理论与方法应用

信息技术的迅猛发展使社会各领域积累的数据量剧增，数据处理的复杂性与不确定性不断增强，在此背景下如何有效处理大规模数据，如何发现和提取数据中蕴涵的知识、规律，对相关领域提出了前所未有的挑战。《电力数据预测理论与方法应用》针对上述问题，以智能电网这一新兴技术领域为应用背景，以复杂预测问题的趋势演进为研究目标，论述了大体量数据背景下数量分析技术在复杂预测环境中的应用方法和技巧。《电力数据预测理论与方法应用》内容共分8章，以数值逼近、统计推断、智能优化三个理论框架为纲，对不确定信息环境下的大规模电力数据进行趋势分析与预测研究，并根据预测结果对所研究的问题进行辅助决策。

暂缺《电力数据预测理论与方法应用》作者简介

第1章 智能电网的概念与发展历程
1.1 智能电网的概念
1.2 智能电网的起源与演变
1.3 智能电网的发展状况
1.4 本章小结
参考文献

第2章 预测的概念与研究现状
2.1 预测的概念
2.2 预测的研究现状
2.3 基于数据分析的预测思想及应用
2.4 本章小结
参考文献

第3章 数学基础理论
3.1 预测中常用的数学基础理论
3.2 预测中常用的其他理论与技术
3.3 误差
3.4 本章小结
参考文献

第4章 不良数据处理与数据集成变换
4.1 引论
4.2 不良数据处理
4.3 数据集成分析
4.4 数据的标准变换处理
4.5 数据约简与粗糙集
4.6 本章小结
参考文献

第5章 基于数值逼近理论的趋势预测模型
5.1 引论
5.2 建模知识准备
5.3 基于分段线性Lagrange插值的灰色预测模型
5.4 基于分段线性Newton插值的灰色预测模型
5.5 基于三次样条的动态灰色预测模型
5.6 基于三点Gauss插值的正交化预测模型
5.7 基于五点Gauss插值的正交化预测模型
5.8 基于灰色Markov链的Gauss-Chebyshev正交化预测模型
5.9 基于二元有理插值的趋势预测模型
5.1 0本章小结
参考文献

第6章 基于半参数分析的统计推断模型
6.1 引论
6.2 建模知识准备
6.3 基于补偿最小二乘法的半参数统计推断模型
6.4 基于滑动平均估计的半参数统计推断模型
6.5 基于残差分布测度修正的半参数统计推断模型
6.6 基于区间可变权重的半参数统计推断模型
6.7 基于惩罚最小二乘法的半参数统计推断模型
6.8 本章小结
参考文献

第7章 基于智能优化方法的自适应推演模型
7.1 引论
7.2 建模知识准备
7.3 基于自适应遗传算法的ARMA推演模型
7.4 含有压缩因子的自适应灰色粒子群优化推演模型
7.5 基于极值扰动和自适应调整系数的灰色粒子群优化推演模型
7.6 本章小结
参考文献

第8章 总结与展望
8.1 本书总结
8.2 未来展望