能源系统人工智能方法 赵阳 等

本书主要包含四部分内容，侧重于从能源领域工程实际和科学研究的需求角度出发，阐述用人工智能大数据方法解决能源系统问题的知识和方法论。第一部分介绍能源系统信息采集中常见数据类型及数据预处理方法，包括适用于能源系统的异常值识别、缺失值处理、数据规范化、数据转换及分割方法等；第二部分介绍无监督学习方法及其在能源系统工程中的典型应用，包括聚类分析、关联规则挖掘和知识后挖掘方法；第三部分介绍监督学习方法及其在能源系统预测建模中的应用要点，包括特征工程、算法选择、模型优化和模型解读方法；第四部分介绍能源系统优化方法，主要从评价指标、建模方法和优化算法等方面讲述能源系统在设计和运行阶段的优化思路及案例。
本书可作为高等院校能源系统工程和人工环境工程等专业与人工智能领域相结合的跨学科专业教材，也可以作为工程技术人员和管理人员的参考读物。

目　　录
前言
第1章　绪论 1
1.1　能源系统工程与人工智能 1
1.2　人工智能发展历程 2
1.3　本书的内容结构 3
思考与练习 4
第2章　数据预处理方法 5
2.1　能源系统中的数据 5
2.1.1　能源系统运行数据常见格式及
特点 5
2.1.2　能源系统运行数据的表现形式 6
2.1.3　数据预处理的必要性 6
2.2　能源系统运行数据清洗方法 7
2.2.1　常见的缺失值处理方法 7
2.2.2　常见的异常值识别方法 10
2.3　能源系统运行数据降维方法 13
2.3.1　样本维度的降维 14
2.3.2　变量维度的降维 14
2.4　能源系统运行数据规范化方法 15
2.5　能源系统运行数据转换方法 17
2.5.1　连续数值型-类别型变量转换
方法 17
2.5.2　类别型-连续数值型变量转换
方法 18
2.6　能源系统运行数据分割方法* 18
思考与练习 21
第3章　无监督学习方法 22
3.1　总论 22
3.1.1　能源领域无监督学习方法概述 22
3.1.2　典型能源应用场景 23
3.1.3　无监督学习的一般流程 24
3.2　基于聚类的无监督学习 24
3.2.1　引言 24
3.2.2　基本概念 25
3.2.3　基于原型的聚类 38
3.2.4　基于密度的聚类 42
3.2.5　基于层次的聚类 46
3.2.6　课外阅读 51
3.3　基于关联规则挖掘的无监督学习 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　频繁模式增长算法 61
3.3.5　课外阅读 73
3.4　知识后挖掘 73
3.4.1　引言 73
3.4.2　聚类后挖掘 74
3.4.3　关联规则后挖掘 83
3.4.4　课外阅读 84
3.5　总结与展望 85
思考与练习 85
参考文献 86
第4章　监督学习方法 87
4.1　总论 87
4.1.1　监督学习基础概念 87
4.1.2　典型能源应用场景 88
4.1.3　基于监督学习的预测建模流程 91
4.2　特征工程 92
4.2.1　引言 92
4.2.2　特征筛选方法 92
4.2.3　特征构建方法 100
4.3　模型选择与优化 102
4.3.1　引言 102
4.3.2　模型选择 103
4.3.3　模型原理 106
4.3.4　模型优化 122
4.4　模型评价方法 132
4.4.1　引言 132
4.4.2　回归模型评价指标 132
4.4.3　分类模型评价指标 134
4.4.4　课外阅读 137
4.5　模型解读 138
4.5.1　引言 138
4.5.2　模型专用解读方法 139
4.5.3　模型通用解读方法 142
4.6　总结与展望 158
思考与练习 159
参考文献 159
第5章　优化方法 161
5.1　总论 161
5.1.1　能源领域优化方法概述 161
5.1.2　典型能源应用场景 162
5.1.3　优化方法的一般流程 162
5.2　能源系统评价指标 163
5.2.1　引言 163
5.2.2　能源效益指标 164
5.2.3　经济效益指标 166
5.2.4　环境效益指标 169
5.2.5　电网互动性指标 171
5.2.6　综合效益指标 173
5.2.7　课外阅读 174
5.3　能源系统建模方法 174
5.3.1　引言 174
5.3.2　建模方法 174
5.3.3　示例分析：综合能源系统建模 177
5.3.4　示例分析：建筑能源系统建模 179
5.3.5　课外阅读 184
5.4　能源系统优化方法 184
5.4.1　引言 184
5.4.2　优化问题 184
5.4.3　数学规划算法 186
5.4.4　启发式优化算法 200
5.4.5　多目标优化算法 207
5.4.6　课外阅读 216
5.5　总结与展望 216
思考与练习 217
参考文献 217

前　　言
能源系统是当今人类文明发展的基础，小到千家万户照明、供暖和制冷需求，大到区域供热乃至跨区域跨国家的能源生产、传输和分配，涉及人类社会的方方面面。随着人类工业文明进入信息化智能化阶段，日新月异的信息化技术和自动化工具在能源领域正在大规模普及。日积月累采集的大量乃至海量实时运行数据，为深入理解系统运行规律、识别系统存在的问题和对系统进行进一步优化奠定了基础。人工智能大数据方法为能源系统的规划设计、运行、维护和管理等方面的进步提供了新的工具和方法论，乃至有望进一步改变能源系统领域传统技术的进化范式。
在当前工科培养体系下，能源领域人才培养偏重工程技术，人工智能领域人才培养偏重数据算法。亟须在知识层面、方法论及思维层面上贯通两个领域，培养出具有交叉学科知识背景和解决问题能力的跨学科复合型专业人才。本书十分注重对学生学科交叉思维的培养，侧重于从能源领域需求的视角去理解人工智能算法。本书以生活中常见能源场景为入口，弱化对读者的能源理论知识的需求，并以经典人工智能算法为抓手，强化对交叉学科思维的培养。书中少量标“*”部分为选修内容。
本书由清华大学李先庭教授主审，浙江大学竺可桢学院智慧能源班俞自涛教授和能源工程学院张学军教授为本书统筹规划和编撰提供了宝贵建议和支持。具体编写分工如下：赵阳编写第3章、第5章，以及第1章部分内容，范成编写第2章、第4章，以及第1章部分内容，颜承初、刚文杰主要负责书中的应用案例。本书各章节编写还得到了部分能源领域专家学者的大力支持：刘猛和杨斌为第2章内容提供了宝贵建议，章超波和丁研参与了第3章的完善，严珂、唐瑞和王慧龙参与了第4章的修改完善，鲁洁参与了第5章的完善，赵英汝为第5章提供了部分应用案例。本书的顺利完成也受益于浙江大学章文恺、马鹏岳、邓孟秋、张译文、王子豪、孙嘉伟、王嘉茜、贺佳宁，以及深圳大学李雪清、刘奕辰、刘旭媛、陈美玲、何炜麟、雷宇田、马媛媛、吴泽彬、吴秋婷、张璐等同学的支持与帮助。在此一并表示感谢！
本书涉及两个领域交叉，由于编者自身学识水平有限，书中难免出现疏漏和不足之处，恳请读者不吝赐教，以促进本书的完善。