本书比较详细地阐述了基于先进数据挖掘方法的负荷特性研究及应用，重点对数据清洗、多维度负荷特性分析方法、负荷特性库构建、负荷特性关键影响因素、负荷特性应用及负荷特性分析软件开发进行了介绍。在数据清洗方面，介绍了传统的数据预处理方法，并提出了先进的数据清洗与数据重建方法；在多维度负荷特性分析方法方面，主要从单一用户和细分行业两个维度提出了负荷曲线和负荷特征的分析方法；在负荷特性库构建方面，主要提出了行业画像的概念并介绍了其在报装工作中的应用；在负荷特性关键影响因素分析方面，重点介绍了影响负荷变化的重要因素及分析方法；在负荷特性应用方面，主要从业扩报装接入优化和用电负荷组合优化两个场景进行负荷特性应用的介绍；在负荷特性分析软件开发方面，则重点对多维度用户负荷特性分析模块开发的关键技术和功能设计进行了介绍。
本书针对当前负荷特性研究和技术开发痛点， 精心筛选和编排相关技术和研究资料， 结合实际电网工作需求而编写，可为相关技术人员提供有价值的借鉴。
在电力研究领域，负荷特性分析向来是电力系统规划和运行中最基础，也是最难以准确建模的一个传统性瓶颈问题。对于用户负荷特性分析，传统精确数学建模的方法在强非线性和随机性的复杂动态系统中难以获得可信的结果，采用随机过程和统计性方法也难以满足电网规划和运行的精准性要求。目前负荷特性研究的粗颗粒度严重制约了电力系统规划和运行技术向精准化发展。
为了进一步研究新形势下的负荷特性变化规律和发展趋势，摸清各区域负荷特性现状，探讨需求响应和移峰填谷的有关政策措施，为电力公司的配电网规划等工作提供决策参考依据，国内电网企业开展了“基于先进数据挖掘方法的多维度用户负荷特性研究”，对部分城市进行数据收集、调研，提出了“数据清洗-数据挖掘分析-典型日负荷曲线提取-负荷特性应用” 的智能化负荷特性分析方法，创新性地采用了多种先进的数据挖掘方法对海量电网多源数据开展分析工作，建立了多维度负荷特性库，开展了影响用户负荷特性的关键因素研究，针对不同的规划业务提出了基于负荷特性分析的解决方案框架。另外，依托数字化转型背景，开发了多维度用户负荷特性分析软件，以信息化手段对研究成果进行固化，保证研究成果有效落地。
1 概述
1.1 研究背景及意义
1.2 国内外负荷特性研究现状
1.3 传统负荷特性分析存在的问题
2 原始数据预处理
2.1 传统数据预处理过程
2.2 负荷数据清洗
2.3 基于GAN的数据超分辨率重建方法
3 多维度负荷特性分析方法
3.1 单一用户负荷特性分析方法
3.2 细分行业负荷特性分析方法
4 基于数据挖掘的多维度负荷特性库的构建
4.1 用户画像及行业画像描绘
4.2 基于行业画像的用户负荷类型识别
4.3 新报装用户的负荷预想画像技术
5 影响用户负荷特性的关键因素
5.1 影响负荷特性变化的重要因素
5.2 影响负荷特性变化关键因素的分析方法
6 负荷特性应用场景
6.1 业扩报装接入优化
6.2 用电负荷组合优化
7 多维度用户负荷特性分析模块开发
7.1 功能结构
7.2 大数据分析
7.3 负荷特性分析
7.4 影响因素分析
7.5 业扩报装
7.6 电力优化组合
8 结语
书单推荐
