能源系統(tǒng)人工智能方法

目　　錄
前言
第1章　緒論 1
1.1　能源系統(tǒng)工程與人工智能 1
1.2　人工智能發(fā)展歷程 2
1.3　本書的內(nèi)容結構 3
思考與練習 4
第2章　數(shù)據(jù)預處理方法 5
2.1　能源系統(tǒng)中的數(shù)據(jù) 5
2.1.1　能源系統(tǒng)運行數(shù)據(jù)常見格式及
特點 5
2.1.2　能源系統(tǒng)運行數(shù)據(jù)的表現(xiàn)形式 6
2.1.3　數(shù)據(jù)預處理的必要性 6
2.2　能源系統(tǒng)運行數(shù)據(jù)清洗方法 7
2.2.1　常見的缺失值處理方法 7
2.2.2　常見的異常值識別方法 10
2.3　能源系統(tǒng)運行數(shù)據(jù)降維方法 13
2.3.1　樣本維度的降維 14
2.3.2　變量維度的降維 14
2.4　能源系統(tǒng)運行數(shù)據(jù)規(guī)范化方法 15
2.5　能源系統(tǒng)運行數(shù)據(jù)轉換方法 17
2.5.1　連續(xù)數(shù)值型-類別型變量轉換
方法 17
2.5.2　類別型-連續(xù)數(shù)值型變量轉換
方法 18
2.6　能源系統(tǒng)運行數(shù)據(jù)分割方法* 18
思考與練習 21
第3章　無監(jiān)督學習方法 22
3.1　總論 22
3.1.1　能源領域無監(jiān)督學習方法概述 22
3.1.2　典型能源應用場景 23
3.1.3　無監(jiān)督學習的一般流程 24
3.2　基于聚類的無監(jiān)督學習 24
3.2.1　引言 24
3.2.2　基本概念 25
3.2.3　基于原型的聚類 38
3.2.4　基于密度的聚類 42
3.2.5　基于層次的聚類 46
3.2.6　課外閱讀 51
3.3　基于關聯(lián)規(guī)則挖掘的無監(jiān)督學習 51
3.3.1　引言 51
3.3.2　基本概念 51
3.3.3　Apriori算法 54
3.3.4　頻繁模式增長算法 61
3.3.5　課外閱讀 73
3.4　知識后挖掘 73
3.4.1　引言 73
3.4.2　聚類后挖掘 74
3.4.3　關聯(lián)規(guī)則后挖掘 83
3.4.4　課外閱讀 84
3.5　總結與展望 85
思考與練習 85
參考文獻 86
第4章　監(jiān)督學習方法 87
4.1　總論 87
4.1.1　監(jiān)督學習基礎概念 87
4.1.2　典型能源應用場景 88
4.1.3　基于監(jiān)督學習的預測建模流程 91
4.2　特征工程 92
4.2.1　引言 92
4.2.2　特征篩選方法 92
4.2.3　特征構建方法 100
4.3　模型選擇與優(yōu)化 102
4.3.1　引言 102
4.3.2　模型選擇 103
4.3.3　模型原理 106
4.3.4　模型優(yōu)化 122
4.4　模型評價方法 132
4.4.1　引言 132
4.4.2　回歸模型評價指標 132
4.4.3　分類模型評價指標 134
4.4.4　課外閱讀 137
4.5　模型解讀 138
4.5.1　引言 138
4.5.2　模型專用解讀方法 139
4.5.3　模型通用解讀方法 142
4.6　總結與展望 158
思考與練習 159
參考文獻 159
第5章　優(yōu)化方法 161
5.1　總論 161
5.1.1　能源領域優(yōu)化方法概述 161
5.1.2　典型能源應用場景 162
5.1.3　優(yōu)化方法的一般流程 162
5.2　能源系統(tǒng)評價指標 163
5.2.1　引言 163
5.2.2　能源效益指標 164
5.2.3　經(jīng)濟效益指標 166
5.2.4　環(huán)境效益指標 169
5.2.5　電網(wǎng)互動性指標 171
5.2.6　綜合效益指標 173
5.2.7　課外閱讀 174
5.3　能源系統(tǒng)建模方法 174
5.3.1　引言 174
5.3.2　建模方法 174
5.3.3　示例分析：綜合能源系統(tǒng)建模 177
5.3.4　示例分析：建筑能源系統(tǒng)建模 179
5.3.5　課外閱讀 184
5.4　能源系統(tǒng)優(yōu)化方法 184
5.4.1　引言 184
5.4.2　優(yōu)化問題 184
5.4.3　數(shù)學規(guī)劃算法 186
5.4.4　啟發(fā)式優(yōu)化算法 200
5.4.5　多目標優(yōu)化算法 207
5.4.6　課外閱讀 216
5.5　總結與展望 216
思考與練習 217
參考文獻 217