主要内容如下： 1.空间负荷预测与数据驱动方法发展概述，阐述国内外在空间负荷预测及对应的聚类算法、神经网络算法等的主要尝试。 2.数据驱动的自下而上空间负荷预测方法，从空间负荷预测关键难题出发，系统阐述了负荷密度和负荷曲线的制定方法，并以实例演示。 3.配电网新元素对负荷预测结果的影响分析，提出温控负荷、电动汽车、光伏和储能对负荷预测结果的影响。 4.配电网近期负荷预测方法，在空间负荷预测的基础上，提出Logistic、灰色理论等近期负荷预测模型，为读者提供完善的负荷预测方法体系。 5.面向综合能源系统的多能流负荷预测研究，适应能源互联网发展需求，提出冷、热、电、气等多种负荷综合预测方法。

前言 1 空间负荷预测与数据驱动方法发展综述 1．1 由模型驱动到数据驱动 1．1．1 模型驱动的局限性 1．1．2 数据驱动应运而生 1．2 空间负荷预测发展综述 1．2．1 空间负荷预测发展历程 1．2．2 空间负荷预测方法综述 1．2．3 空间负荷预测发展现状 1．3 聚类算法发展综述 1．3．1 聚类算法发展现状 1．3．2 聚类有效性评价研究现状 1．4 神经网络发展综述 1．4．1 神经网络发展现状 1．4．2 神经网络方法综述 2 数据驱动的自下而上空间负荷预测方法 2．1 传统空间负荷预测方法 2．1．1 空间负荷预测的网格化体系概述 2．1．2 传统空间负荷预测步骤 2．1．3 当前空间负荷预测存在的问题 2．2 负荷密度的确定 2．2．1 地块多维度负荷密度指标体系 2．2．2 空间负荷密度的非参数核密度估计 2．2．3 基于堆叠自编码器的地块特征模型 2．2．4 负荷密度算例演示 2．3 负荷曲线的聚类获取 2．3．1 各类典型日负荷曲线提取 2．3．2 负荷数据的自适应聚类提取 2．3．3 基于典型日负荷曲线的负荷分类校验及精选 2．3．4 负荷曲线聚类算例演示 2．4 自下而上叠加的空间负荷预测算例演示 2．4．1 当地空间负荷预测结果 2．4．2 自下而上负荷叠加结果 2．5 小结 3 配电网新元素对负荷预测结果的影响分析 3．1 温控负荷对负荷预测结果的影响分析 3．1．1 用户满意度评估模型 3．1．2 用户体验影响下的温控负荷潜力评估 3．1．3 考虑温控负荷潜力的负荷预测算例分析 3．2 电动汽车对负荷预测结果的影响分析 3．2．1 各类型车辆充电需求预测模型 3．2．2 区域影响因素分析 3．2．3 考虑充电负荷影响的负荷预测算例分析 3．3 光伏对负荷预测结果的影响分析 3．3．1 光伏运行模型建立 3．3．2 基于综合指标的k值自适应聚类方法 3．3．3 考虑光伏典型出力的负荷预测算例分析 3．4 储能设备对负荷预测结果的影响分析 3．4．1 储能运行模型建立 3．4．2 储能对配电网的主要影响分析 3．4．3 考虑储能运行的负荷预测算例分析 3．5 小结 …… 4 配电网近期负荷预测方法 5 面向综合能源系统的多能流负荷预测研究 参考文献