新書推薦:
![战争事典083:细说靖难之役 : 明成祖朱棣的戎马征程](http://103.6.6.66/upload/mall/productImages/24/30/9787513945899.jpg)
《
战争事典083:细说靖难之役 : 明成祖朱棣的戎马征程
》
售價:HK$
114.8
![时尚箱包及配饰 [英]达拉-简·吉尔罗伊](http://103.6.6.66/upload/mall/productImages/24/31/9787111756842.jpg)
《
时尚箱包及配饰 [英]达拉-简·吉尔罗伊
》
售價:HK$
170.2
![当代历史学新趋势:理论、方法与实践(论世衡史丛书,当下历史学在研究什么?未来历史学的趋势是什么?)](http://103.6.6.66/upload/mall/productImages/24/31/9787220134739.jpg)
《
当代历史学新趋势:理论、方法与实践(论世衡史丛书,当下历史学在研究什么?未来历史学的趋势是什么?)
》
售價:HK$
112.7
![晋国600年(全四册)](http://103.6.6.66/upload/mall/productImages/24/30/9787510476303.jpg)
《
晋国600年(全四册)
》
售價:HK$
250.7
![深中通道 穿越千年文明 迈向中国式现代化](http://103.6.6.66/upload/mall/productImages/24/31/9787218176932.jpg)
《
深中通道 穿越千年文明 迈向中国式现代化
》
售價:HK$
101.2
![礼不远人:走近明清京师礼制文化](http://103.6.6.66/upload/mall/productImages/24/29/9787542684363.jpg)
《
礼不远人:走近明清京师礼制文化
》
售價:HK$
109.3
![杯中风土:日本酒的文化史](http://103.6.6.66/upload/mall/productImages/24/30/9787522831350.jpg)
《
杯中风土:日本酒的文化史
》
售價:HK$
90.9
![简读中国史(全四册)](http://103.6.6.66/upload/mall/productImages/24/31/9787X29758426.jpg)
《
简读中国史(全四册)
》
售價:HK$
282.4
|
編輯推薦: |
在学术思想上,《电力行业低碳转型:客户细分、负荷预测与能效评价》的研究立足于当前的电力低碳转型、电力体制改革、服务创新大环境,以完善的需求侧管理平台的建立、广泛的数据采集与分析为基础,通过构建数理模型,致力于解决能源变革、能源消费形势改变下,电力客户如何科学合理的细分、如何应对电力负荷的随机波动性、如何对客户用电能效进行科学的评价等问题。在结构体系上,《电力行业低碳转型:客户细分、负荷预测与能效评价》结构体系设计合理,逻辑清晰,体系完整。按照发现问题,分析问题,解决问题的思路展开研究,全书分为四部分。第一部分为电力客户细分模型构建及验证;第二部分为智能电网短期负荷预测模型构建及验证;第三部分为智能电网中长期负荷预测模型构建及验证;第四部分为客户用电能效指标模型构建及验证。在写作特点上,《电力行业低碳转型:客户细分、负荷预测与能效评价》力求通俗易懂,遵循从实践-理论-实践的研究路径,从现实问题出发引出理论研究的科学问题,通过研究进行理论的创新,并将研究的结果应用到实践中进行检验,凸显理论的创新以及应用的落地,使得专著体系完整,内容可靠。
|
內容簡介: |
电力行业的减排效果对实现“双碳”目标至关重要。《电力行业低碳转型:客户细分、负荷预测与能效评价》从大数据赋能电力行业低碳转型的角度,对重塑电力服务体系这一课题进行研究,从客户细分、负荷预测与能效评价三个方面提出了方案并予以实践。首先,基于数据挖掘技术细分电力用户,提升客户满意度;其次,挖掘相关用电数据对电力负荷进行短期和中长期预测,以提高电力负荷的预测精度;最后,开展电力公司供电服务客户满意度评价,精准满足客户需求,提升供电服务质量。 《电力行业低碳转型:客户细分、负荷预测与能效评价》可作为电力工程管理、技术经济与管理及相关管理专业的博士生和硕士生,以及从事相关研究的专业人员的参考书,同时对从事电力服务与电力体制改革的工作人员也具有一定的指导作用。本书的编写期望能推进我国电力行业低碳转型,为电力行业服务体系创新和提高电力服务质量开拓新思路。
|
關於作者: |
王莉芳 西北工业大学教授、博士生导师。主要从事创新管理、技术经济及管理、资源管理等方向的研究。近年来主持国家社科基金、人文社科基金、陕西省哲学社会科学基金、陕西省社会科学界重大理论与现实问题研究项目、陕西省软科学项目等纵向研究项目20余项;主持30多项校企联合研究项目;在国内外学术刊上发表学术论文80余篇,出版专著4部,教材2部。
|
目錄:
|
目 录前 言第1章 绪论 11.1 研究背景与意义 11.1.1 研究背景 11.1.2 研究意义 31.2 国内外相关研究现状 41.2.1 电力行业低碳转型相关研究 41.2.2 电力服务质量相关研究 61.2.3 电力客户细分的相关研究 91.2.4 电力短期负荷预测的相关研究 101.2.5 电力中长期负荷预测的相关研究 161.2.6 能效评价的相关研究 171.2.7 研究评述 211.3 研究方法、内容及技术路线 231.3.1 研究方法 231.3.2 研究内容 291.3.3 技术路线 30第2章 相关概念界定与理论基础 322.1 相关概念界定 322.1.1 电力行业低碳转型 322.1.2 智能电网 342.1.3 客户细分 352.1.4 电力负荷 372.1.5 负荷预测 382.1.6 能效评价 392.2 相关理论基础 392.2.1 电力服务理论 392.2.2 客户关系管理理论 422.2.3 需求响应相关理论 452.2.4 电力负荷预测相关理论 462.2.5 能效服务理论 492.2.6 客户服务质量评价理论 50第3章 电力客户细分模型构建 533.1 电力客户细分模型构建思路 533.2 电力客户细分模型构建的目标和原则 543.2.1 模型构建目标 543.2.2 模型构建原则 543.3 客户细分变量提取 553.3.1 客户细分变量提取原则 553.3.2 基于煤改电客户意愿的细分变量提取 563.3.3 基于煤改电客户价值的细分变量提取 583.4 客户细分模型构建 583.4.1 肘部法则与轮廓系数方法确定电力客户细分初始簇数 583.4.2 K-means算法实现电力客户聚类 603.4.3 改进K-means算法实现客户细分模型的构建 623.5 本章小结 62第4章 电力客户细分模型的验证 634.1 客户数据收集 634.1.1 营销系统数据收集 634.1.2 问卷调查数据收集 644.2 客户数据预处理 664.2.1 数据清洗与整理 664.2.2 离群值处理 674.2.3 标准化处理 684.2.4 One-Hot编码 694.2.5 二进制编码 704.3 客户细分聚类 714.3.1 实现工具 714.3.2 K值的确定 714.3.3 K-means算法聚类 724.4 客户细分聚类结果解释 774.4.1 基于煤改电客户意愿的居民客户聚类结果解释 774.4.2 基于煤改电客户价值的居民客户聚类结果解释 794.5 客户细分模型应用结果 804.5.1 基于煤改电客户意愿的居民客户细分结果 814.5.2 基于煤改电客户价值的居民客户细分结果 814.6 本章小结 82第5章 智能电网短期负荷预测模型构建 835.1 短期负荷预测影响因素的提取 835.1.1 短期负荷特性分析 835.1.2 短期电力负荷预测影响因素的初步选取 905.1.3 短期电力负荷预测关键影响因素的甄别 985.2 人工神经网络在模型构建中的适用性分析 1035.3 基于神经网络的智能电网短期负荷预测单一模型构建 1065.3.1 单一模型选取原则 1075.3.2 BP神经网络预测模型构建 1075.3.3 LSTM神经网络预测模型构建 1135.4 基于遗传算法的短期负荷预测组合模型构建 1165.4.1 组合预测模型权重确定方法 1165.4.2 BP-LSTM神经网络组合预测模型构建 1175.5 本章小结 119第6章 智能电网短期负荷预测模型的验证 1206.1 预测精度评价指标选取 1206.2 样本数据选择与预处理 1216.2.1 样本数据选择 1216.2.2 样本数据预处理 1226.3 预测过程及结果分析 1256.3.1 BP神经网络模型预测结果 1256.3.2 LSTM神经网络模型预测结果 1266.3.3 BP-LSTM神经网络模型预测结果 1276.4 模型预测效果对比分析 1286.4.1 三种神经网络模型预测效果 1296.4.2 组合模型与单一模型预测效果对比 1316.5 本章小结 132第7章 智能电网中长期负荷预测模型构建 1337.1 中长期负荷预测影响因素的提取 1337.1.1 中长期负荷特性分析 1337.1.2 中长期电力负荷预测影响因素的初步提取 1357.1.3 中长期电力负荷预测关键影响因素的甄别 1407.2 灰色预测模型在中长期电力负荷预测模型中的适用性分析 1417.3 单因素条件下的中长期电力负荷需求预测模型构建 1427.3.1 单一模型选取原则 1427.3.2 基于灰色模型的电力负荷需求预测模型构建 1427.4 多因素条件下的中长期电力负荷需求预测模型构建 1457.4.1 中长期电力负荷预测模型输入变量说明 1457.4.2 中长期电力负荷需求预测模型构建 1457.5 本章小结 147第8章 智能电网中长期负荷预测模型验证 1488.1 电力负荷需求预测实例公司负荷数据选取 1488.2 单因素条件下电力负荷需求预测模型效果评价 1498.2.1 预测精度评价指标选取 1498.2.2 预测过程及结果分析 1508.3 多因素条件下电力需求预测模型效果评价 1538.3.1 预测精度评价指标选取 1538.3.2 预测过程及结果分析 1568.4 单因素与多因素预测模型预测效果对比分析 1598.5 本章小结 160第9章 电力客户用能效果评价模型构建 1619.1 评价指标体系建立目标与原则 1619.2 评价指标体系构建流程 1629.2.1 评价指标初选 1629.2.2 评价指标优化与确立 1679.2.3 客户用电能效指标评价权重方法 1789.3 电力客户用能效果评价模型构建 1819.4 本章小结 186第10章 电力客户用能效果评价模型验证 18710.1 电力客户用能效果质量评价指标提取的原则和目标 18710.2 基于改进的TOPSIS综合评价模型构建 18810.2.1 客户数据收集 18810.2.2 供电服务客户满意度评价 18810.3 A省“供电+能效服务”项目评价结果分析 20110.4 相关企业典型案例分析 20510.4.1 典型案例1 20510.4.2 典型案例2 20710.4.3 案例分析结论 20810.5 本章小结 209第11章 提升电力服务质量的对策与建议 21011.1 客户价值挖掘及服务提升的对策与建议 21011.2 优化智能电网调控管理水平的对策与建议 21911.3 客户用电能效服务质量提升的对策与建议 222参考文献 228
|
內容試閱:
|
前 言 党的二十大对能源工作作出了新部署、新安排,全力以赴抢抓电力重点项目建设,为“十四五”时期及中长期电力保供奠定坚实基础,电力行业是国民经济的基础性能源产业,对其他产业部门的发展起着至关重要的支撑作用。电力系统是一个由发电、输电、配电、用电等环节构成的电力生产、输送及消费的系统,它将整个电力行业有效地联结到一起形成一整条产业链。完善的客户细分类别是发展清洁能源,践行国家“绿色发展”战略的必要前提;准确的电力需求预测是保持电力系统安全、稳定、经济、高效运行的重要保障;科学的能效评价方法是推进企业节能减排、降低能源消耗的重要依据。 随着工业化与城市化进程的推进,我国北方部分地区在秋冬季出现了雾霾天气,传统的燃煤采暖方式则是雾霾形成的主要原因之一。面对日益严峻的环境问题,国家发展改革委在“十四五”规划中明确指出要优先发展清洁能源,居民客户作为电力供给的重要需求者之一,研究居民客户对于煤改电的响应程度,细分煤改电居民客户,提升客户满意度成为重要的研究课题。电力负荷数据在不同的时间长度中呈现出不同的变化趋势,但大多均具有复杂的非线性、波动性和随机性等特征,给电网运行的可靠性带来了很大的难题,准确预测电力负荷对于电力企业显得尤为重要,随着分布式能源的并网,电力预测更是变得越来越困难,传统的预测方法带来的缺陷也越来越凸显。因此,亟需基于大数据环境下对电力数据的挖掘分析,并使用现代人工智能方法对电力负荷进行预测,伴随着国企改革三年行动任务及电力体制改革,引入市场竞争机制和输配电核价机制,加速推动国家电网公司提质增效、提升精益化管理、加强客户供电服务。接下来,对节能减排实施的客户用电能效评价项目开展需求侧能效评价,随之成为实现“双碳”目标,推动能源结构转型升级的重要研究课题。 《电力行业低碳转型:客户细分、负荷预测与能效评价》所做的主要研究工作及创新点如下: 第一,构建了电力客户细分模型并以国网A省电力公司调研的客户用电量数据与问卷调查收集的客户数据进行模型的验证。首先提出模型构建思路,确定了基于客户意愿与客户价值进行研究的细分目标,并明确模型构建原则。其次通过文献分析与专家访谈对细分变量进行提取,采用文献分析法确定出模型构建的方法,选择肘部法则、轮廓系数与K-means算法相结合的算法,构建煤改电居民客户细分模型。最后通过煤改电居民客户细分模型进行实例分析,运用Python与SPSS工具进行了煤改电居民客户细分模型的实例应用研究。以国网A省电力公司营销系统导出的客户用电量数据与问卷调查收集的客户数据为实例样本,通过数据清洗与整理、标准化处理、One-Hot编码,以及K-means算法的客户细分聚类,并根据细分结果对各细分客户进行了定义与分析。 第二,构建了智能电网短期负荷预测模型,并以A省X市的电力负荷数据为例进行了模型的验证。首先介绍人工神经网络的基本理论,分析神经网络方法在智能电网短期负荷预测中的适宜性。然后基于BP神经网络和LSTM神经网络分别建立智能电网单项短期负荷预测模型,分析各模型预测效果及优缺点;采用遗传算法计算组合神经网络预测模型权重,构建智能电网短期负荷组合预测模型。最后以A省X市的电力负荷数据为例,筛选历史电力数据样本划分训练集和测试集,用Python作为仿真工具进行短期负荷预测。然后分析BP神经网络、LSTM神经网络和组合神经网络模型的拟合优度。结合预测精度结果分析组合预测模型对单项预测模型的缺点弱化程度。 第三,构建了智能电网中长期负荷预测模型,并以A省Y市的电力负荷数据为例进行了模型的验证。通过灰色系统及灰色模型的概念阐述发现灰色模型适合对离散无规律且数据量不大的数据序列进行预测,并明确了使用GM(1, 1)构建中长期电力负荷需求预测模型的原则。运用灰色关联度分析法计算出了各项影响因子的关联度,在此基础上对初步筛选出的影响因素进行了排序,将这些影响因素确定为多因素条件下电力负荷需求预测的关键影响因素,作为模型的输入变量,合理利用这些影响因素,提出了使用GM(1, n)来构建多因素条件下的中长期电力负荷需求预测模型。选取了合适的模型评价指标,对单因素条件下模型的预测性能进行了实例分析并对效果进行评价,对多因素条件下的电力负荷需求预测模型,进行了实例分析,验证了模型预测的精度。 第四,构建了客户用电能效指标模型,并基于国网A省电力公司“供电+能效服务”业务进行模型的验证。首先基于客户细分结果,对不同客户的用能情况,构建全面的用户用电能效评价指标体系。其次通过评价客户用电能效,分析客户用电能效现状与问题,为客户提供针对能效服务的支撑。通过专家访谈与问卷调查结果,分析确定用户能效服务质量影响因素,完成质量评价指标体系构建,同时通过质量评价体系对现有客户用电能效服务业务进行质量评价,为提出客户用电能效服务质量提升方案提供依据。最后选择相关电网企业进行标杆案例研究,总结并借鉴工作经验,完善提升客户用电能效服务的方案及对策建议。 本书的研究历时
|
|