《人工智能与电力系统》在详细、深入地分析当前人工智能技术理论的基础之上，重点研究了人工智能算法在电力系统中的实际应用。《人工智能与电力系统》系统地介绍了主要智能算法和机器学习的基础知识，智能算法主要包括遗传算法、免疫算法、蚁群算法、粒子群优化算法、模拟退火算法、禁忌搜索算法等；机器学习主要包括贝叶斯算法、决策树算法、支持向量机、卷积神经网络、循环神经网络等。在此基础之上，通过研究问题背景、原理、建模、仿真与验证等解决电力系统中的具体问题，其中包括电力系统负荷与发电预测、电力系统监测辨识与故障诊断以及电力系统优化。

《智能科学技术著作丛书》序
前言
第1章绪论1
1.1人工智能发展综述1
1.1.1人工智能概述1
1.1.2人工智能的主要算法3
1.2电力系统中应用人工智能的典型场景4
1.2.1基于人工智能技术的电力系统负荷与发电预测4
1.2.2基于人工智能技术的电力系统监测辨识与故障诊断5
1.2.3基于人工智能技术的电力系统优化6
1.3本章小结6
基础部分
第2章进化算法与群智能9
2.1遗传算法9
2.1.1遗传算法的基本概念及模型9
2.1.2遗传算法的特点及应用场景13
2.2免疫算法14
2.2.1免疫算法的基本概念及模型14
2.2.2免疫算法的特点18
2.3蚁群算法18
2.3.1蚁群算法的基本概念及模型19
2.3.2蚁群算法的特点及应用场景23
2.4粒子群优化算法24
2.4.1粒子群优化算法的基本概念及模型24
2.4.2粒子群优化算法的特点及应用场景27
2.5模拟退火算法28
2.5.1模拟退火算法的基本概念及模型29
2.5.2模拟退火算法的特点及应用场景34
2.6其他智能算法36
2.6.1禁忌搜索算法36
2.6.2进化策略算法41
2.6.3进化规划算法42
2.7本章小结43
第3章机器学习44
3.1机器学习的基本概念与发展历程44
3.1.1机器学习的基本概念44
3.1.2机器学习算法的发展历程及分类45
3.2传统机器学习算法46
3.2.1贝叶斯算法46
3.2.2决策树算法50
3.2.3支持向量机54
3.3深度学习57
3.3.1神经元与神经网络58
3.3.2卷积神经网络62
3.3.3循环神经网络66
3.4强化学习71
3.4.1强化学习的基本概念及主要研究方向71
3.4.2马尔可夫算法74
3.4.3Q学习算法77
3.5本章小结82
应用部分
第4章基于人工智能技术的电力系统负荷与发电预测85
4.1基于长短期记忆网络的风电预测85
4.1.1基于长短期记忆网络的单点值预测85
4.1.2基于窗宽优化的非参数核密度估计模型87
4.1.3误差数据库的生成及预测流程89
4.1.4仿真与验证90
4.2基于PSO-LSVM的海水淡化系统负荷预测94
4.2.1海水淡化系统模型建立95
4.2.2海水淡化负荷求解方法建立96
4.2.3仿真与验证100
4.3基于形态聚类的LightGBM的工业用户负荷预测103
4.3.1工业用户负荷形态聚类算法103
4.3.2基于用户负荷曲线的特征选择106
4.3.3基于形态聚类的LightGBM的工业用户中期负荷预测模型106
4.3.4仿真与验证112
4.4本章小结117
第5章基于人工智能技术的电力系统监测辨识与故障诊断118
5.1基于卷积神经网络的非侵入式负荷监测118
5.1.1基于卷积神经网络的非侵入式负荷监测方法118
5.1.2仿真与验证122
5.2基于马尔可夫模型的负荷辨识124
5.2.1多特征序列融合的负荷辨识原理125
5.2.2多特征序列融合的负荷辨识流程128
5.2.3仿真与验证129
5.3基于模拟退火算法的高压输电线路故障定位132
5.3.1输电线路故障定位原理132
5.3.2基于模拟退火-改进牛顿迭代法的模型求解134
5.3.3仿真与验证136
5.4基于卷积神经网络的多端直流输电线路故障诊断136
5.4.1MTDC线路故障特征提取137
5.4.2P-CNN构建139
5.4.3仿真与验证142
5.5基于深度学习的电力变压器故障诊断与定位145
5.5.1基于卷积神经网络的变压器故障在线诊断技术146
5.5.2基于改进卷积神经网络的变压器故障在线定位技术152
5.6本章小结161
第6章基于人工智能技术的电力系统优化162
6.1基于粒子群优化算法的微电网容量优化配置162
6.1.1微电网的容量优化配置模型163
6.1.2优化配置模型的算法171
6.1.3仿真与验证174
6.2基于遗传算法的多能源系统能量枢纽优化配置184
6.2.1能量枢纽模型184
6.2.2计及可靠性的能量枢纽优化配置模型185
6.2.3基于双层优化的能量枢纽很优求解方法189
6.2.4仿真与验证191
6.3基于遗传算法的沿海水电系统优化运行194
6.3.1考虑海水淡化的沿海水电系统配置194
6.3.2考虑海水淡化的沿海水电系统优化运行195
6.3.3仿真与验证197
6.4基于粒子群优化算法的多能源系统优化运行200
6.4.1多能源系统并网模式下实时优化控制策略200
6.4.2多能源系统并网模式下优化模型202
6.4.3多能源系统并网模式下优化控制算法207
6.4.4仿真与验证207
6.5基于免疫算法的水火电联合优化调度216
6.5.1含梯级水电站的水火电联合优化调度模型216
6.5.2含梯级水电站的水火电联合优化调度方法218
6.5.3仿真与验证221
6.6基于蚁群算法的风电集群输电系统拓扑优化224
6.6.1风电集群输电系统的数学模型225
6.6.2基于改进蚁群算法的风电集群输电系统拓扑优化方法228
6.6.3仿真与验证228
6.7本章小结231
参考文献232