Electric Power Systems: Advanced Forecasting Techniques And Optimal Generation Scheduling Helps Readers Develop Their Skills In Modeling, Simulating, And Optimizing Electric Power Systems. Carefully Balancing Theory And Practice, It Presents Novel, Cutting-edge Developments In Forecasting And Scheduling. The Focus Is On Understanding And Solving Pivotal Problems In The Management Of Electric Power Generation Systems. Methods For Coping With Uncertainty And Risk In Electric Power Generation Outlining Real-world Problems, The Book Begins With An Overview Of Electric Power Generation Systems. Since The Ability To Cope With Uncertainty And Risk Is Crucial For Power Generating Companies, The Second Part Of The Book Examines The Latest Methods And Models For Self-scheduling, Load Forecasting, Short-term Electricity Price Forecasting, And Wind Power Forecasting. Toward Optimal Coordination Between Hydro, Thermal, And Wind Power Using Case Studies, The Third Part Of The Book Investigates How To Achieve The Most Favorable Use Of Available Energy Sources. Chapters In This Section Discuss Price-based Scheduling For Generating Companies, Optimal Scheduling Of A Hydro Producer, Hydro-thermal Coordination, Unit Commitment With Wind Generators, And Optimal Optimization Of Multigeneration Systems. Written In A Pedagogical Style That Will Appeal To Graduate Students, The Book Also Expands On Research Results That Are Useful For Engineers And Researchers. It Presents The Latest Techniques In Increasingly Important Areas Of Power System Operations And Planning.

upload/duxiu_main2/【星空藏书馆】/【星空藏书馆】等多个文件/图书馆12号/1.businessVIP全集等多个文件/00000000000000000----1839.05g/机械工业的书/extracted__ZC02-国际电气工程先进技术译丛.rar/ZC02-国际电气工程先进技术译丛/电力系统高级预测技术和发电优化调度.pdf

upload/cmpedu/AB03-电力系统/电力系统高级预测技术和发电优化调度.pdf

upload/cmpedu/ZC02-国际电气工程先进技术译丛/电力系统高级预测技术和发电优化调度.pdf

upload/shukui_net_cdl/109/37443207.pdf

lgli/电力系统高级预测技术和发电优化调度.pdf - 电力系统高级预测技术和发电优化调度.pdf.pdf

zlib/no-category/电力系统高级预测技术和发电优化调度.pdf/电力系统高级预测技术和发电优化调度.pdf_15360104.pdf

(葡萄牙) Joao P.S. Catalao主编 ; 刘长浥 ... [等] 译; João P. S Catalão; 刘长浥; 张菲; 王晓蓉

João P S Catalão; chang yi Liu; fei Zhang; xiao rong Wang

(葡)Joao P.S. Catalao主编 ; 刘长浥[等]译; 卡特; 刘长浥

(葡)Joo P.S. Catalo主编 ; 刘长浥[等]译; 卡塔罗; 刘长浥

[edited by] João P.S. Catalão

(葡)卡特主编;刘长浥,张菲,王晓蓉译

作者

机械工业出版社 Ji xie gong ye chu ban she

China Machine Press

CRC Press LLC

Guo ji dian qi gong cheng xian jin ji shu yi cong, Di 1 ban, Beijing, 2013

Guo ji dian qi gong cheng xian jin ji shu yi cong, 北京 Bei jing, 2013

Guo ji dian qi gong cheng xian jin ji zhu yi cong, Bei jing, 2013

ELECTRICALENGINEERINGnetBASE, Boca Raton, 2012

United States, United States of America

China, People's Republic, China

Boca Raton, Florida, 2012

1, PS, 2012

producers:
生产者

Includes bibliographical references and index.

Bookmarks: p1 (p1): 第1章 发电系统概述
p1-1 (p1): 1.1 引言
p1-2 (p2): 1.2 发电技术
p1-2-1 (p2): 1.2.1 发电是电力系统的心脏和大脑
p1-2-2 (p3): 1.2.2 火力发电
p1-2-3 (p5): 1.2.3 水力发电
p1-2-4 (p7): 1.2.4 风力发电
p1-2-5 (p9): 1.2.5 其他不可调度发电
p1-2-6 (p11): 1.2.6 储能技术
p1-3 (p12): 1.3 电力系统发电运行
p1-3-1 (p12): 1.3.1 发电控制
p1-3-2 (p13): 1.3.2 调度计划
p1-3-3 (p14): 1.3.3 备用要求
p1-3-4 (p15): 1.3.4 机组优化组合
p1-3-5 (p16): 1.3.5 经济调度
p1-3-6 (p17): 1.3.6 水火电协调
p1-3-7 (p17): 1.3.7 不可调度发电的调度计划
p1-3-8 (p17): 1.3.8 市场条件下的调度计划
p1-4 (p20): 1.4 未来发电的挑战
p1-5 (p20): 参考文献
p2 (p23): 第2章 不确定性和发电调度风险
p2-1 (p23): 2.1 引言
p2-2 (p24): 2.2 发电自调度计划
p2-2-1 (p25): 2.2.1 试验系统模型
p2-3 (p27): 2.3 风险测度
p2-3-1 (p27): 2.3.1 风险值
p2-3-2 (p29): 2.3.2 条件风险值
p2-4 (p29): 2.4 数据的不确定性
p2-4-1 (p30): 2.4.1 VaR的数据不确定性
p2-4-2 (p30): 2.4.2 CVaR的数据不确定性
p2-5 (p31): 2.5 VaR表述
p2-5-1 (p31): 2.5.1 基于VaR的名义稳健调度计划
p2-5-2 (p32): 2.5.2 基于VaR的最差工况稳健调度计划
p2-5-3 (p32): 2.5.3 基于VaR的稳健调度计划案例
p2-6 (p34): 2.6 CVaR表述
p2-6-1 (p34): 2.6.1 基于CVaR的名义稳健调度计划
p2-6-2 (p35): 2.6.2 基于CVaR的最差工况稳健调度计划
p2-6-3 (p37): 2.6.3 基于CVaR的稳健调度计划案例
p2-7 (p39): 2.7 小结
p2-8 (p39): 附录A 2.1
p2-9 (p40): 附录A 2.2
p2-10 (p42): 参考文献
p3 (p44): 第3章 短期负荷预测
p3-1 (p44): 3.1 引言
p3-2 (p45): 3.2 数据预处理
p3-2-1 (p45): 3.2.1 标准化和差分
p3-2-2 (p46): 3.2.2 小波滤波
p3-3 (p49): 3.3 输入预选
p3-4 (p50): 3.4 ANN输入精选
p3-4-1 (p51): 3.4.1 正则化方法
p3-4-2 (p51): 3.4.2 MLP贝叶斯训练
p3-4-3 (p53): 3.4.3 贝叶斯训练的输入选择
p3-4-4 (p53): 3.4.4 结果示例
p3-5 (p54): 3.5 贝叶斯训练的MLP结构确认
p3-6 (p55): 3.6 预测间隔估计
p3-6-1 (p56): 3.6.1 再采样法
p3-6-2 (p57): 3.6.2 结果示例
p3-7 (p58): 3.7 小结
p3-8 (p58): 致谢
p3-9 (p59): 附录A3.1
p3-10 (p61): 参考文献
p4 (p63): 第4章 短期电价预测
p4-1 (p63): 4.1 引言
p4-2 (p64): 4.2 电价预测方法概述
p4-2-1 (p64): 4.2.1 电价预测方法分类
p4-2-2 (p65): 4.2.2 基于人工智能的电价预测方法的结构和组成
p4-3 (p66): 4.3 电价预测输入数据准备
p4-3-1 (p66): 4.3.1 备选输入集合的形成
p4-3-2 (p70): 4.3.2 单段特征选择技术
p4-3-3 (p77): 4.3.3 两段特征选择技术
p4-4 (p85): 4.4 电价预测引擎
p4-4-1 (p85): 4.4.1 非混合电价预测引擎
p4-4-2 (p89): 4.4.2 混合电价预测引擎
p4-5 (p95): 4.5 可调参数的微调
p4-5-1 (p96): 4.5.1 交叉验证技术
p4-5-2 (p99): 4.5.2 搜索过程
p4-6 (p102): 4.6 电价尖峰预测
p4-6-1 (p102): 4.6.1 什么是电价尖峰？
p4-6-2 (p103): 4.6.2 电价尖峰事件预测
p4-6-3 (p105): 4.6.3 电价尖峰值的预测
p4-7 (p106): 4.7 小结
p4-8 (p106): 参考文献
p5 (p110): 第5章 短期风电功率预测
p5-1 (p110): 5.1 引言
p5-1-1 (p110): 5.1.1 时间尺度
p5-1-2 (p111): 5.1.2 风电功率预测方法
p5-1-3 (p112): 5.1.3 典型结果
p5-2 (p117): 5.2 时间序列模型
p5-3 (p119): 5.3 风电功率预测的气象模型
p5-4 (p121): 5.4 短期功率预测模型
p5-5 (p126): 5.5 不确定性、爬坡与变化性
p5-5-1 (p126): 5.5.1 概率预测
p5-5-2 (p130): 5.5.2 爬坡预测
p5-5-3 (p130): 5.5.3 变化性预测
p5-6 (p131): 5.6 根据风电功率预测进行决策和它的价值
p5-7 (p133): 5.7 小结
p5-8 (p133): 致谢
p5-9 (p134): 参考文献
p6 (p144): 第6章 独立发电公司基于价格的调度计划
p6-1 (p144): 6.1 引言
p6-2 (p146): 6.2 点价格建模
p6-2-1 (p146): 6.2.1 电价的不确定性
p6-2-2 (p148): 6.2.2 电价的统计分布
p6-3 (p154): 6.3 发电特性
p6-3-1 (p155): 6.3.1 传统发电成本特性
p6-3-2 (p156): 6.3.2 可再生能源发电特性
p6-4 (p159): 6.4 基于价格（利润）的机组优化组合
p6-4-1 (p159): 6.4.1 PBUC问题表述
p6-4-2 (p160): 6.4.2 求解方法
p6-4-3 (p164): 6.4.3 在PBUC下基于价格的自组合
p6-5 (p171): 6.5 Gencos基于价格的调度计划
p6-5-1 (p171): 6.5.1 随机自调度技术
p6-5-2 (p177): 6.5.2 基于发电机成本特性和市场价格动态的调度计划
p6-5-3 (p183): 6.5.3 短期发电调度计划中对价格不确定性的管理
p6-6 (p191): 6.6 小结
p6-7 (p192): 附录A6.1 系统数据及结果
p6-8 (p196): 参考文献
p7 (p198): 第7章 不确定性下的水电生产商优化自调度
p7-1 (p198): 7.1 引言
p7-1-1 (p198): 7.1.1 水电机组组合问题
p7-1-2 (p199): 7.1.2 日前市场中的竞价策略
p7-1-3 (p200): 7.1.3 水电系统中的变化水头问题
p7-2 (p201): 7.2 水电运行优化模型开发
p7-2-1 (p201): 7.2.1 简介
p7-2-2 (p202): 7.2.2 水电出力函数
p7-2-3 (p203): 7.2.3 水电机组技术效率与净水头和耗水量的关系
p7-2-4 (p206): 7.2.4 水力发电系统的约束
p7-2-5 (p209): 7.2.5 风险度量：VaR和CVaR
p7-2-6 (p209): 7.2.6 目标函数：利润最大化和基于CVaR的利润最大化
p7-2-7 (p210): 7.2.7 解决水电运行调度计划问题的策略
p7-3 (p211): 7.3 案例研究：西班牙杜罗河某梯级水库的水电运行调度
p7-4 (p215): 7.4 小结
p7-5 (p216): 参考文献
p8 (p220): 第8章 水火电生产商的自调度计划
p8-1 (p220): 8.1 引言
p8-2 (p221): 8.2 水火电生产商自调度确定性问题的目标
p8-2-1 (p221): 8.2.1 价格接受者生产商目标
p8-2-2 (p222): 8.2.2 价格决定者生产商目标
p8-3 (p225): 8.3 水火电生产商自调度确定性问题的MILP表述
p8-3-1 (p225): 8.3.1 火电机组的运行阶段
p8-3-2 (p226): 8.3.2 火电机组约束
p8-3-3 (p230): 8.3.3 火电机组发电总成本
p8-3-4 (p233): 8.3.4 水电机组约束
p8-3-5 (p239): 8.3.5 系统约束
p8-3-6 (p240): 8.3.6 水火电生产商也是零售商的情况
p8-3-7 (p241): 8.3.7 建模摘要
p8-4 (p242): 8.4 不确定性建模
p8-4-1 (p242): 8.4.1 随机规划基础知识
p8-4-2 (p243): 8.4.2 水火电生产商自调度问题表示为含追索行动的两段随机规划问题
p8-5 (p248): 8.5 数值应用
p8-5-1 (p248): 8.5.1 确定性问题应用
p8-5-2 (p257): 8.5.2 随机问题应用
p8-6 (p264): 8.6 小结
p8-7 (p265): 8.7 符号表
p8-7-1 (p265): 8.7.1 集
p8-7-2 (p266): 8.7.2 函数
p8-7-3 (p266): 8.7.3 参数
p8-7-4 (p268): 8.7.4 变量
p8-8 (p269): 附录A8.1 时际约束建模
p8-9 (p270): 参考文献
p9 (p274): 第9章 含大量风电装机电力系统运行规划的机组组合和经济调度
p9-1 (p274): 9.1 引言
p9-2 (p275): 9.2 输入数据建模
p9-2-1 (p275): 9.2.1 负荷时间序列
p9-2-2 (p275): 9.2.2 风电功率时间序列
p9-2-3 (p282): 9.2.3 风电功率预测
p9-3 (p283): 9.3 常规机组建模
p9-3-1 (p283): 9.3.1 火电机组建模
p9-3-2 (p285): 9.3.2 水电和储能机组
p9-4 (p286): 9.4 UC-ED问题表述
p9-5 (p287): 9.5 求解方法：最优启发法和时间尺度
p9-5-1 (p288): 9.5.1 年尺度：确定机组可用率
p9-5-2 (p288): 9.5.2 周和小时内尺度：确定性调度
p9-5-3 (p290): 9.5.3 多区域表示和国际市场收盘时间
p9-6 (p292): 9.6 含12GW风电的荷兰案例研究
p9-6-1 (p292): 9.6.1 系统变化详述和讨论
p9-6-2 (p294): 9.6.2 假设和仿真设置
p9-6-3 (p294): 9.6.3 仿真结果
p9-7 (p301): 9.7 小结
p9-8 (p302): 参考文献
p10 (p305): 第10章 多联产系统的运行优化
p10-1 (p305): 10.1 引言
p10-2 (p307): 10.2 MG组份及结构
p10-2-1 (p307): 10.2.1 MG组份和运行特性
p10-2-2 (p311): 10.2.2 MG设备结构
p10-3 (p314): 10.3 MG优化的目标函数
p10-3-1 (p314): 10.3.1 运行优化问题表述
p10-3-2 (p317): 10.3.2 单目标和性能指标
p10-3-3 (p323): 10.3.3 多目标表述
p10-4 (p323): 10.4 约束
p10-4-1 (p323): 10.4.1 运行优化问题中约束的性质
p10-4-2 (p324): 10.4.2 等式约束
p10-4-3 (p324): 10.4.3 不等式约束
p10-5 (p328): 10.5 求解技术
p10-5-1 (p328): 10.5.1 技术分类
p10-5-2 (p328): 10.5.2 单目标优化
p10-5-3 (p329): 10.5.3 多目标优化
p10-6 (p330): 10.6 应用案例
p10-6-1 (p330): 10.6.1 三联产系统的需求和配置
p10-6-2 (p331): 10.6.2 单时段的能源成本和能源效率优化
p10-6-3 (p333): 10.6.3 典型日的能源成本和能源效率优化
p10-6-4 (p334): 10.6.4 多目标优化
p10-7 (p340): 10.7 小结
p11 (p341): 词汇表
p12 (p341): 缩略词
p13 (p342): 符号
p14 (p343): 参考文献

科目
关键字
电力系统高级预测技术和发电优化调度 1
前折页 2
书名页 3
版权页 4
译者序 5
前言 6
致谢 8
各章摘要 9
编者简介 12
各章作者简介 13
目录 16
第1章 发电系统概述 23
1.1 引言 23
1.2 发电技术 24
1.2.1 发电是电力系统的心脏和大脑 24
1.2.2 火力发电 25
1.2.3 水力发电 27
1.2.4 风力发电 29
1.2.5 其他不可调度发电 31
1.2.6 储能技术 33
1.3 电力系统发电运行 34
1.3.1 发电控制 34
1.3.2 调度计划 35
1.3.3 备用要求 36
1.3.4 机组优化组合 37
1.3.5 经济调度 38
1.3.6 水火电协调 39
1.3.7 不可调度发电的调度计划 39
1.3.8 市场条件下的调度计划 39
1.4 未来发电的挑战 42
参考文献 42
第2章 不确定性和发电调度风险 45
2.1 引言 45
2.2 发电自调度计划 46
2.2.1 试验系统模型 47
2.3 风险测度 49
2.3.1 风险值 49
2.3.2 条件风险值 51
2.4 数据的不确定性 51
2.4.1 VaR的数据不确定性 52
2.4.2 CVaR的数据不确定性 52
2.5 VaR表述 53
2.5.1 基于VaR的名义稳健调度计划 53
2.5.2 基于VaR的最差工况稳健调度计划 54
2.5.3 基于VaR的稳健调度计划案例 54
2.6 CVaR表述 56
2.6.1 基于CVaR的名义稳健调度计划 56
2.6.2 基于CVaR的最差工况稳健调度计划 57
2.6.3 基于CVaR的稳健调度计划案例 59
2.7 小结 61
附录A2.1 61
附录A2.2 62
参考文献 64
第3章 短期负荷预测 66
3.1 引言 66
3.2 数据预处理 67
3.2.1 标准化和差分 67
3.2.2 小波滤波 68
3.3 输入预选 71
3.4 ANN输入精选 72
3.4.1 正则化方法 73
3.4.2 MLP贝叶斯训练 73
3.4.3 贝叶斯训练的输入选择 75
3.4.4 结果示例 75
3.5 贝叶斯训练的MLP结构确认 76
3.6 预测间隔估计 77
3.6.1 再采样法 78
3.6.2 结果示例 79
3.7 小结 80
致谢 80
附录A3.1 81
参考文献 83
第4章 短期电价预测 85
4.1 引言 85
4.2 电价预测方法概述 86
4.2.1 电价预测方法分类 86
4.2.2 基于人工智能的电价预测方法的结构和组成 87
4.3 电价预测输入数据准备 88
4.3.1 备选输入集合的形成 88
4.3.2 单段特征选择技术 92
4.3.3 两段特征选择技术 99
4.4 电价预测引擎 107
4.4.1 非混合电价预测引擎 107
4.4.2 混合电价预测引擎 111
4.5 可调参数的微调 117
4.5.1 交叉验证技术 118
4.5.2 搜索过程 121
4.6 电价尖峰预测 124
4.6.1 什么是电价尖峰? 124
4.6.2 电价尖峰事件预测 125
4.6.3 电价尖峰值的预测 127
4.7 小结 128
参考文献 128
第5章 短期风电功率预测 132
5.1 引言 132
5.1.1 时间尺度 132
5.1.2 风电功率预测方法 133
5.1.3 典型结果 134
5.2 时间序列模型 139
5.3 风电功率预测的气象模型 141
5.4 短期功率预测模型 143
5.5 不确定性、爬坡与变化性 148
5.5.1 概率预测 148
5.5.2 爬坡预测 152
5.5.3 变化性预测 152
5.6 根据风电功率预测进行决策和它的价值 153
5.7 小结 155
致谢 155
参考文献 156
第6章 独立发电公司基于价格的调度计划 166
6.1 引言 166
6.1.1 符号表 166
6.2 点价格建模 168
6.2.1 电价的不确定性 168
6.2.2 电价的统计分布 170
6.3 发电特性 176
6.3.1 传统发电成本特性 177
6.3.2 可再生能源发电特性 178
6.4 基于价格(利润)的机组优化组合 181
6.4.1 PBUC问题表述 181
6.4.2 求解方法 182
6.4.3 在PBUC下基于价格的自组合 186
6.5 Gencos基于价格的调度计划 193
6.5.1 随机自调度技术 193
6.5.2 基于发电机成本特性和市场价格动态的调度计划 199
6.5.3 短期发电调度计划中对价格不确定性的管理 205
6.6 小结 213
附录A6.1 系统数据及结果 214
参考文献 218
第7章 不确定性下的水电生产商优化自调度 220
7.1 引言 220
7.1.1 水电机组组合问题 220
7.1.2 日前市场中的竞价策略 221
7.1.3 水电系统中的变化水头问题 222
7.2 水电运行优化模型开发 223
7.2.1 简介 223
7.2.2 水电出力函数 224
7.2.3 水电机组技术效率与净水头和耗水量的关系 225
7.2.4 水力发电系统的约束 228
7.2.5 风险度量:VaR和CVaR 231
7.2.6 目标函数:利润最大化和基于CVaR的利润最大化 231
7.2.7 解决水电运行调度计划问题的策略 232
7.3 案例研究:西班牙杜罗河某梯级水库的水电运行调度 233
7.4 小结 237
参考文献 238
第8章 水火电生产商的自调度计划 242
8.1 引言 242
8.2 水火电生产商自调度确定性问题的目标 243
8.2.1 价格接受者生产商目标 243
8.2.2 价格决定者生产商目标 244
8.3 水火电生产商自调度确定性问题的MILP表述 247
8.3.1 火电机组的运行阶段 247
8.3.2 火电机组约束 248
8.3.3 火电机组发电总成本 252
8.3.4 水电机组约束 255
8.3.5 系统约束 261
8.3.6 水火电生产商也是零售商的情况 262
8.3.7 建模摘要 263
8.4 不确定性建模 264
8.4.1 随机规划基础知识 264
8.4.2 水火电生产商自调度问题表示为含追索行动的两段随机规划问题 265
8.5 数值应用 270
8.5.1 确定性问题应用 270
8.5.2 随机问题应用 279
8.6 小结 286
8.7 符号表 287
8.7.1 集 287
8.7.2 函数 288
8.7.3 参数 288
8.7.4 变量 290
附录A8.1 时际约束建模 291
参考文献 292
第9章 含大量风电装机电力系统运行规划的机组组合和经济调度 296
9.1 引言 296
9.2 输入数据建模 297
9.2.1 负荷时间序列 297
9.2.2 风电功率时间序列 297
9.2.3 风电功率预测 304
9.3 常规机组建模 305
9.3.1 火电机组建模 305
9.3.2 水电和储能机组 307
9.4 UC-ED问题表述 308
9.5 求解方法:最优启发法和时间尺度 309
9.5.1 年尺度:确定机组可用率 310
9.5.2 周和小时内尺度:确定性调度 310
9.5.3 多区域表示和国际市场收盘时间 312
9.6 含12GW风电的荷兰案例研究 314
9.6.1 系统变化详述和讨论 314
9.6.2 假设和仿真设置 316
9.6.3 仿真结果 316
9.7 小结 323
参考文献 324
第10章 多联产系统的运行优化 327
10.1 引言 327
10.2 MG组份及结构 329
10.2.1 MG组份和运行特性 329
10.2.2 MG设备结构 333
10.3 MG优化的目标函数 336
10.3.1 运行优化问题表述 336
10.3.2 单目标和性能指标 339
10.3.3 多目标表述 345
10.4 约束 345
10.4.1 运行优化问题中约束的性质 345
10.4.2 等式约束 346
10.4.3 不等式约束 346
10.5 求解技术 350
10.5.1 技术分类 350
10.5.2 单目标优化 350
10.5.3 多目标优化 351
10.6 应用案例 352
10.6.1 三联产系统的需求和配置 352
10.6.2 单时段的能源成本和能源效率优化 353
10.6.3 典型日的能源成本和能源效率优化 355
10.6.4 多目标优化 356
10.7 小结 362
词汇表 363
缩略词 363
符号 364
参考文献 365
后折页 373
绉戠洰 (as-gbk-encoding)

"Preface A wide-ranging impression about the subjects discussed in this book is that the topics are pivotal for understanding and solving some of the problems flourishing in the second decade of the twenty-first century in the field of management of electric power generation systems. Noticeably, the chapters start with some of the last-decade knowledge to uncover lines of research on some of the present knowledge and, in due course, anticipate some of the admissible lines for future research in management of electric power generation systems. The scope of the book is well defined and of significant interest. Indeed, the development of new methodologies carrying away an improved forecasting and scheduling of electric power generation systems is crucial under the new competitive and environmentally constrained energy policy. The capability to cope with uncertainty and risk will benefit significantly generating companies. It is a fact that to avoid losing advantages of participating in the electricity market or negotiating bilateral contracts, a power producer should self-schedule its power system in anticipation. In recognition of this fact, hydro and thermal scheduling are relevant topics today. Already, wind power generation is playing an important role in some countries and will be even more important in the nearby future of energy supply in many countries. Thus, optimal coordination between hydro, thermal, and wind power is of utmost importance. Deterministic and stochastic modeling frameworks are allowing the development of the next generation of computational tools to help successful management of electric power generation systems. Research is underway to conquer the capability to cope with the present and the future of electric power generation systems as shown"-- Provided by publisher

本书分为三部分.第1部分是第1章, 论述关于发电系统现有的必要知识和实际问题, 包含这些问题的结构以及它们的影响.第2部分从第2章到第5章, 论述的问题有不确定性, 风险和短期预测, 说明了信息管理系统的发展, 帮助电力系统决策人员摆脫对现有和不久将来的发电系统一无所知和莫衷一是的状态.第3部分从第6章到第10章, 论述开发信息管理系统的合理性研究

2021-05-31