本書在可再生能源快速發(fā)展與“雙碳”目標推進的能源轉(zhuǎn)型背景下，聚焦含電動汽車的虛擬電廠(VPP)協(xié)同調(diào)度優(yōu)化問題，系統(tǒng)構(gòu)建了“數(shù)據(jù)特征挖掘－負荷精準預(yù)測－系統(tǒng)優(yōu)化調(diào)度”的理論框架與技術(shù)體系。以應(yīng)對海量分布式能源(DERs)與電動汽車(EV)時空行為耦合導(dǎo)致的調(diào)度復(fù)雜度高、預(yù)測精度不足及傳統(tǒng)優(yōu)化方法易陷入局部最優(yōu)等挑戰(zhàn)為切入點，融合深度強化學(xué)習(DRL)、時序卷積網(wǎng)絡(luò)(TCN)、長短期記憶網(wǎng)絡(luò)(LSTM)等方法，揭示含EV的VPP在多源異構(gòu)資源聚合、時空藕合負荷預(yù)測和復(fù)雜系統(tǒng)優(yōu)化決策中的內(nèi)在機理，提出“特征提�。�負荷預(yù)測－動態(tài)優(yōu)化”的全鏈條解決方案。