中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(jì)(下)
-
>
基于個(gè)性化設(shè)計(jì)策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動(dòng)內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
中圖價(jià):¥86.4
加入購物車
電力系統(tǒng)人工智能典型應(yīng)用 版權(quán)信息
- ISBN：9787030796523
- 條形碼：9787030796523 ; 978-7-03-079652-3
- 裝幀：精裝
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
電力系統(tǒng)人工智能典型應(yīng)用 內(nèi)容簡介
本書圍繞人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用，探討數(shù)據(jù)分析、負(fù)荷預(yù)測(cè)、設(shè)備故障預(yù)測(cè)、新能源發(fā)電功率預(yù)測(cè)、優(yōu)化調(diào)度等關(guān)鍵技術(shù)。第1～4章以人工智能技術(shù)的主要應(yīng)用領(lǐng)域預(yù)測(cè)為切入點(diǎn)，探討負(fù)荷預(yù)測(cè)、故障概率預(yù)測(cè)、新能源發(fā)電功率預(yù)測(cè)領(lǐng)域常見的人工智能技術(shù)，著重討論時(shí)間序列的累積效應(yīng)、城市微氣象與電力空調(diào)負(fù)荷的交互影響對(duì)預(yù)測(cè)結(jié)果的影響；第5和6章聚焦大數(shù)據(jù)下電力系統(tǒng)智能決策問題，分別提出虛擬發(fā)電廠優(yōu)化調(diào)度、安全約束機(jī)組組合圖建模方法和基于負(fù)荷預(yù)測(cè)可信度與時(shí)間彈性的備用容量規(guī)劃方法；第7章構(gòu)建智能電網(wǎng)管理水平評(píng)價(jià)體系。
電力系統(tǒng)人工智能典型應(yīng)用 目錄
目錄“新一代人工智能理論、技術(shù)及應(yīng)用叢書”序前言第1章 時(shí)間序列中的累積效應(yīng) 1 1.1 概述 1 1.2 累積效應(yīng)的基本內(nèi)涵及典型現(xiàn)象 1 1.2.1 累積效應(yīng)定義 1 1.2.2 影響累積效應(yīng)強(qiáng)度的因素 3 1.2.3 考慮累積效應(yīng)的溫度修正公式 3 1.3 面向中長期負(fù)荷預(yù)測(cè)的常見信息聚合方法 4 1.3.1 聚類法 5 1.3.2 多因素綜合分析方法 8 1.4 考慮累積效應(yīng)的信息聚合方法 11 1.4.1 累積效應(yīng)的識(shí)別方法 11 1.4.2 考慮累積效應(yīng)的信息聚合模型 15 1.4.3 考慮累積效應(yīng)的信息聚合方法的有效性驗(yàn)證 19 1.5 考慮累積效應(yīng)的動(dòng)態(tài)相似子序列預(yù)測(cè)方法 30 1.5.1 動(dòng)態(tài)相似子序列基本概念 30 1.5.2 動(dòng)態(tài)相似子序列選取方法 31 1.5.3 動(dòng)態(tài)相似子序列預(yù)測(cè)模型 35 1.6 本章小結(jié) 40參考文獻(xiàn) 41 第2章 考慮累積效應(yīng)和耦合效應(yīng)的負(fù)荷預(yù)測(cè)技術(shù)及應(yīng)用 42 2.1 概述 42 2.2 城市微氣象與電力空調(diào)負(fù)荷的交互影響 42 2.2.1 城市微氣象與電力空調(diào)負(fù)荷的交互影響模型概述 42 2.2.2 熱島效應(yīng)對(duì)電力空調(diào)負(fù)荷的影響 44 2.2.3 溫濕效應(yīng)對(duì)電力空調(diào)負(fù)荷的影響 45 2.2.4 累積效應(yīng)對(duì)電力空調(diào)負(fù)荷的影響 48 2.2.5 城市熱島效應(yīng)、溫濕效應(yīng)和累積效應(yīng)對(duì)電力空調(diào)負(fù)荷的綜合影響 50 2.2.6 電力空調(diào)負(fù)荷對(duì)城市微氣象的反作用 51 2.2.7 城市微氣象與電力空調(diào)負(fù)荷之間的惡性循環(huán)作用 53 2.3 基于大數(shù)據(jù)的分布式短期負(fù)荷預(yù)測(cè)方法 54 2.3.1 負(fù)荷預(yù)測(cè)方案 54 2.3.2 子網(wǎng)劃分方法 55 2.3.3 子網(wǎng)負(fù)荷預(yù)測(cè)模型 57 2.3.4 全網(wǎng)負(fù)荷預(yù)測(cè)模型 58 2.4 基于機(jī)器學(xué)習(xí)的短期用電預(yù)測(cè)方法 60 2.4.1 短期用電預(yù)測(cè)方案 60 2.4.2 基于形狀相似性的用電*線聚類 61 2.4.3 基于相關(guān)性分析的用電*線關(guān)鍵影響因素分析 62 2.4.4 基于機(jī)器學(xué)習(xí)的短期用電預(yù)測(cè)模型 63 2.5 本章小結(jié) 66參考文獻(xiàn) 67 第3章 基于不確定性理論分析的電力設(shè)備故障概率預(yù)測(cè) 69 3.1 概述 69 3.2 電網(wǎng)設(shè)備故障概率預(yù)測(cè) 69 3.2.1 設(shè)備狀態(tài)檢測(cè) 70 3.2.2 運(yùn)行環(huán)境 70 3.2.3 氣象因素 70 3.2.4 人為因素 72 3.3 輸電線路故障概率預(yù)測(cè) 73 3.3.1 基本思想 74 3.3.2 數(shù)據(jù)平穩(wěn)性檢驗(yàn) 75 3.4 變壓器故障概率預(yù)測(cè) 76 3.4.1 基于非等間隔 GM(1.1)冪模型的灰色預(yù)測(cè) 77 3.4.2 基于遺傳算法 GM(1，1)冪模型的參數(shù)優(yōu)化 79 3.5 配電網(wǎng)元件負(fù)載率預(yù)測(cè)和重過載狀態(tài)預(yù)警 81 3.5.1 配電網(wǎng)元件負(fù)載率預(yù)測(cè) 81 3.5.2 配電網(wǎng)元件重過載狀態(tài)預(yù)警 88 3.6 本章小結(jié) 90參考文獻(xiàn) 90 第4章 基于機(jī)器學(xué)習(xí)的超短期新能源發(fā)電功率預(yù)測(cè)方法及應(yīng)用 92 4.1 概述 92 4.2 新能源發(fā)電功率統(tǒng)計(jì)學(xué)習(xí)方法分類 92 4.2.1 線性模型 92 4.2.2 非線性模型 93 4.3 基于即時(shí)學(xué)習(xí)-反向傳播神經(jīng)網(wǎng)絡(luò)的短期風(fēng)電功率預(yù)測(cè) 95 4.3.1 BPNN 95 4.3.2 即時(shí)學(xué)習(xí)框架 98 4.4 基于簇內(nèi)即時(shí)學(xué)習(xí)策略的短期風(fēng)電功率預(yù)測(cè) 99 4.4.1 DBSCAN聚類法 100 4.4.2 考慮趨勢(shì)性的度量指標(biāo) 101 4.5 基于動(dòng)態(tài)知識(shí)蒸餾的短期風(fēng)電功率預(yù)測(cè) 103 4.5.1 動(dòng)態(tài)知識(shí)蒸餾模型 103 4.5.2 基于動(dòng)態(tài)知識(shí)蒸餾的風(fēng)電功率預(yù)測(cè)模型 106 4.6 本章小結(jié) 107參考文獻(xiàn) 107 第5章 基于智能預(yù)測(cè)的發(fā)電機(jī)組優(yōu)化調(diào)度策略及應(yīng)用 110 5.1 概述 110 5.2計(jì)及電池?fù)p耗及壽命預(yù)測(cè)的虛擬發(fā)電廠優(yōu)化調(diào)度策略 111 5.2.1 電池?fù)p耗模型及其壽命預(yù)測(cè) 111 5.2.2 基于循環(huán)周期數(shù)法電池?fù)p耗模型的虛擬發(fā)電廠短期優(yōu)化調(diào)度 120 5.3 基于斷面功率預(yù)測(cè)的機(jī)組超前優(yōu)化調(diào)度策略 122 5.3.1 風(fēng)電接入對(duì)輸電斷面調(diào)度的影響 122 5.3.2 深度學(xué)習(xí)預(yù)測(cè)風(fēng)電機(jī)組出力 122 5.3.3 考慮預(yù)測(cè)風(fēng)電機(jī)組出力的機(jī)組調(diào)度策略 125 5.4 基于圖計(jì)算的安全約束機(jī)組組合圖建模及高效優(yōu)化 128 5.4.1 基于圖模型的機(jī)組組合計(jì)算框架 128 5.4.2 不確定性環(huán)境下安全機(jī)組組合約束集 128 5.4.3 基于相似性原理的初始解生成方法和約束有效性判斷技術(shù) 129 5.4.4 機(jī)組組合圖路徑搜索迭代方法 129 5.5 本章小結(jié) 130參考文獻(xiàn) 130 第6章 基于智能預(yù)測(cè)的備用容量規(guī)劃及其應(yīng)用 132 6.1 概述 132 6.2 考慮負(fù)荷預(yù)測(cè)可信度的備用容量規(guī)劃方法 132 6.2.1 負(fù)荷預(yù)測(cè)可信度的基本概念 132 6.2.2 可信度預(yù)測(cè)與負(fù)荷預(yù)測(cè)對(duì)比 134 6.2.3 基于負(fù)荷預(yù)測(cè)可信度的備用容量優(yōu)化 136 6.2.4負(fù)荷備用容量的概率性預(yù)測(cè) 138 6.3 考慮負(fù)荷時(shí)間彈性的備用容量規(guī)劃方法 142 6.3.1負(fù)荷時(shí)間彈性的定性分析 142 6.3.2負(fù)荷時(shí)間彈性的定量分析 144 6.3.3 基于負(fù)荷時(shí)間彈性的備用容量優(yōu)化 146 6.4本章小結(jié) 148參考文獻(xiàn) 149 第7章 智能電網(wǎng)管理水平評(píng)價(jià)體系設(shè)計(jì) 150 7.1 概述 150 7.2 綜合管理指標(biāo)體系構(gòu)建模塊 150 7.3 綜合管理指標(biāo)權(quán)重確定模塊 154 7.4 綜合管理效率評(píng)估模塊 155 7.5 基于熵權(quán)法的智能電網(wǎng)管理水平評(píng)價(jià)指標(biāo)量化方法 156 7.5.1 智能電網(wǎng)管理水平評(píng)價(jià)的約束參數(shù) 156 7.5.2 熵權(quán)分析 158 7.5.3 智能電網(wǎng)管理水平評(píng)價(jià)量化處理 159 7.6 本章小結(jié) 159參考文獻(xiàn) 159
展開全部
書友推薦
- >
推拿
- >
名家?guī)阕x魯迅:故事新編
- >
名家?guī)阕x魯迅:朝花夕拾
- >
朝聞道
- >
史學(xué)評(píng)論
- >
月亮與六便士
- >
羅曼·羅蘭讀書隨筆-精裝
- >
唐代進(jìn)士錄
本類暢銷
