中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人機混合智能高動態(tài)系統(tǒng)知識自動化和調控關鍵技術及平臺 版權信息
- ISBN：9787577213316
- 條形碼：9787577213316 ; 978-7-5772-1331-6
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
人機混合智能高動態(tài)系統(tǒng)知識自動化和調控關鍵技術及平臺 本書特色
本書為“十四五”國家重點出版規(guī)劃項目、湖北省公益學術著作出版資金資助項目。作者為武漢大學張俊教授。本書依托作者團隊的重大項目的研究成果撰寫而成，對企業(yè)、科研單位、高校等社會各界了解、學習、應用工業(yè)互聯(lián)網(wǎng)前沿管控技術有一定的幫助。
人機混合智能高動態(tài)系統(tǒng)知識自動化和調控關鍵技術及平臺 內容簡介
本書依托科技創(chuàng)新2030——“新一代人工智能”重大項目“人在回路的大電網(wǎng)調控混合增強智能基礎理論”(2018AAA0101504)而撰寫，介紹了基于人機混合智能的高動態(tài)系統(tǒng)調控理論方法、含新型人機智能接口的多源異構數(shù)據(jù)和知識處理關鍵技術，以及人機混合智能調控系統(tǒng)智能水平評估和自主進化理論方法與平臺研發(fā)，并給出了混合智能在高動態(tài)系統(tǒng)中的管控機制、交互途徑、趨優(yōu)方法及部署架構；通過豐富案例展示理論技術的實現(xiàn)路徑，構造人機混合智能在高動態(tài)系統(tǒng)調控中的系統(tǒng)工程方法和實施范式，為人機混合智能在高動態(tài)系統(tǒng)調控業(yè)務中的科學研究以及工程應用提供體系化指導。本書可作為企業(yè)、科研單位、高校等社會各界了解、學習、應用工業(yè)互聯(lián)網(wǎng)前沿管控技術的重要參考書。
人機混合智能高動態(tài)系統(tǒng)知識自動化和調控關鍵技術及平臺 目錄
目錄第1章基于多智能體的高動態(tài)系統(tǒng)調控關鍵技術/11.1計及風光新能源的電力系統(tǒng)源網(wǎng)協(xié)同實時調度策略/11.1.1問題描述/21.1.2DDRL架構/51.1.3案例研究/111.2基于鄰域特征聚合的高比例新能源電力系統(tǒng)源儲協(xié)同實時調度策略/181.2.1基礎模型與理論方法/191.2.2基于鄰域特征聚合的源儲協(xié)同實時調度方法/241.2.3算例仿真/30本章參考文獻/41第2章基于示教學習的人機混合增強智能理論方法/442.1引言/442.2計及拓撲調節(jié)和電網(wǎng)拓撲可變性的有功校正控制強化學習方法/462.2.1基本模型與約束設置/462.2.2決策過程建模/482.3考慮電網(wǎng)拓撲可變性的復雜電網(wǎng)狀態(tài)表征方法/492.3.1時變電網(wǎng)狀態(tài)的統(tǒng)一規(guī)整方法/492.3.2基于圖注意力機制的電網(wǎng)狀態(tài)鄰域聚合表征方法/512.4基于改進蒙特卡羅樹搜索的強化學習動作空間優(yōu)化方法/522.5安全校核結果引導下的有功校正控制智能體訓練與部署機制/542.5.1安全校核結果引導的智能體深度探索訓練機制/542.5.2考慮控制策略長短期效益的智能體部署機制/572.6計及電網(wǎng)層級特征的實時狀態(tài)差異化融合方法/582.6.1電網(wǎng)高級、初級特征的構造方法/582.6.2綜合全局、局部特征的電網(wǎng)狀態(tài)多層級圖表征架構/592.7融合調度員校正控制經(jīng)驗的強化學習增強機制/612.7.1基于示教學習的有功校正控制強化學習增強機制/612.7.2考慮示教經(jīng)驗多樣性的有功校正控制示教數(shù)據(jù)集構建方法/622.8計及校正控制動作稀疏性的智能體訓練算法/632.9算例分析/682.9.1算例設計/682.9.2算法基本控制性能測試及分析/712.9.3示教數(shù)據(jù)融合訓練機制的有效性分析/762.9.4先驗經(jīng)驗比例對智能體性能的影響分析/81本章小結/81本章參考文獻/82人機混合智能高動態(tài)系統(tǒng)知識自動化和調控關鍵技術及平臺目錄第3章基于圖計算的多源異構數(shù)據(jù)和知識處理關鍵技術/853.1基于功能缺陷文本的電力二次設備智能診斷與輔助決策/853.1.1引言/853.1.2電力二次設備功能缺陷記錄文本描述/863.1.3電力二次設備功能缺陷智能診斷與輔助決策平臺/883.1.4基于BiLSTMCRF的電力二次設備功能缺陷文本信息抽取/903.1.5電力二次設備功能缺陷知識圖譜構建與知識應用：智能診斷與輔助決策/923.1.6算例分析/963.2基于遷移學習的電網(wǎng)故障處置知識圖譜構建及實時輔助決策研究/1003.2.1引言/1003.2.2故障處置實時輔助決策技術路線/1013.2.3面向電網(wǎng)故障領域的基于遷移學習的小樣本文本實體識別/1043.2.4基于故障處置的多元數(shù)據(jù)融合知識圖譜構建與推理方法/1083.2.5基于電網(wǎng)故障處置知識圖譜的實時輔助決策及應用算例/111本章小結/119本章參考文獻/120第4章小樣本多源異構數(shù)據(jù)深度學習關鍵技術/1244.1“黑天鵝”事件下的小樣本遷移學習框架/1244.1.1“黑天鵝”事件下的社會用電需求波動分析/1254.1.2基于CNN的經(jīng)濟電力關系特征提取器構建/1264.1.3基于遷移學習的小樣本電力負荷預測框架/1294.1.4算例分析/1314.2用于社會能源和電力消耗分析的經(jīng)濟與政策綜合計算系統(tǒng)/1454.2.1EPICS框架：政策量化/1474.2.2EPICS框架：混頻經(jīng)濟數(shù)據(jù)融合/1524.2.3考慮經(jīng)濟、政策因素的中長期用電量預測方法/1524.2.4EPICS政策量化結果/1534.2.5EPICS混頻經(jīng)濟數(shù)據(jù)指標選取結果/1564.2.6考慮經(jīng)濟、政策因素的中長期用電量預測結果/157本章小結/160本章參考文獻/162第5章基于可解釋性方法的人機混合智能增強關鍵技術/1655.1SHAP值法/1685.1.1DRL中的SHAP值法/1685.1.2Deep SHAP方法/1695.1.3實驗平臺/1715.1.4實驗算例/1725.2基于加權傾斜決策樹的電力系統(tǒng)DRL控制策略提取/1815.2.1引言/1815.2.2電力系統(tǒng)DRL控制策略提取框架/1825.2.3WODT算法/1845.2.4算例分析/187本章小結/192本章參考文獻/192第6章物理數(shù)據(jù)知識混合驅動的高動態(tài)系統(tǒng)管控架構/1986.1架構建設背景/1986.2物理數(shù)據(jù)知識混合驅動的人機混合增強智能系統(tǒng)分析和管控方法/1996.2.1可信的分布式數(shù)據(jù)、計算和算法模型/2016.2.2物理信息深度學習/2036.2.3融合系統(tǒng)運行規(guī)則的混合型DRL方法/2056.2.4從知識圖譜到因果分析的方法/2066.2.5可解釋性人工智能與數(shù)字人/2076.3應用示例/2086.3.1物理信息深度學習示例/2086.3.2知識圖譜和因果分析示例/2096.3.3人機混合增強智能電網(wǎng)調控示例/212本章小結/217本章參考文獻/218第7章人機混合增強智能評估及自主進化關鍵技術/2227.1引言/2227.2PLASE系統(tǒng)/2257.2.1PLASE系統(tǒng)的基本結構和目標函數(shù)/2257.2.2PLASE系統(tǒng)的結構/2267.3算例實驗/2337.3.1實驗設計/2337.3.2基準智能體的智能評估結果/2377.3.3超參數(shù)對智能體智能水平的影響/2387.3.4*優(yōu)智能體超參數(shù)及智能體智能水平變化情況/241本章小結/243本章參考文獻/243第8章人機混合增強智能系統(tǒng)知識自動化和調控平臺/2478.1復雜系統(tǒng)理論方法發(fā)展概述/2478.2復雜系統(tǒng)與人機混合增強智能/2498.3總體問題/2508.3.1背景分析/2518.3.2機器智能對復雜系統(tǒng)的認知和管控/2528.3.3人類智能與機器智能之間的認知管控博弈關系/2538.4基于復雜系統(tǒng)管控的人機互信知識自動化流程/2548.4.1人機功能部署:基于任務和流程/2548.4.2人機行為約束:基于規(guī)則和職責/2558.4.3人機智能理解:基于相互解釋/2568.4.4人機決策驗證:基于經(jīng)驗知識和并行系統(tǒng)/2568.5人機混合增強智能、人機互信知識自動化與大電網(wǎng)調控/2568.5.1基于人類智能的大電網(wǎng)調控/2578.5.2機器智能對大電網(wǎng)的認知和管控/2588.5.3人機互信的知識自動化在大電網(wǎng)調控中的應用規(guī)則/2618.6人機混合增強智能的電網(wǎng)調控應用示例/262本章小結/264本章參考文獻/265目錄第1章基于多智能體的高動態(tài)系統(tǒng)調控關鍵技術/11.1計及風光新能源的電力系統(tǒng)源網(wǎng)協(xié)同實時調度策略/11.1.1問題描述/21.1.2DDRL架構/51.1.3案例研究/111.2基于鄰域特征聚合的高比例新能源電力系統(tǒng)源儲協(xié)同實時調度策略/181.2.1基礎模型與理論方法/191.2.2基于鄰域特征聚合的源儲協(xié)同實時調度方法/241.2.3算例仿真/30本章參考文獻/41第2章基于示教學習的人機混合增強智能理論方法/442.1引言/442.2計及拓撲調節(jié)和電網(wǎng)拓撲可變性的有功校正控制強化學習方法/462.2.1基本模型與約束設置/462.2.2決策過程建模/482.3考慮電網(wǎng)拓撲可變性的復雜電網(wǎng)狀態(tài)表征方法/492.3.1時變電網(wǎng)狀態(tài)的統(tǒng)一規(guī)整方法/492.3.2基于圖注意力機制的電網(wǎng)狀態(tài)鄰域聚合表征方法/512.4基于改進蒙特卡羅樹搜索的強化學習動作空間優(yōu)化方法/522.5安全校核結果引導下的有功校正控制智能體訓練與部署機制/542.5.1安全校核結果引導的智能體深度探索訓練機制/542.5.2考慮控制策略長短期效益的智能體部署機制/572.6計及電網(wǎng)層級特征的實時狀態(tài)差異化融合方法/582.6.1電網(wǎng)高級、初級特征的構造方法/582.6.2綜合全局、局部特征的電網(wǎng)狀態(tài)多層級圖表征架構/592.7融合調度員校正控制經(jīng)驗的強化學習增強機制/612.7.1基于示教學習的有功校正控制強化學習增強機制/612.7.2考慮示教經(jīng)驗多樣性的有功校正控制示教數(shù)據(jù)集構建方法/622.8計及校正控制動作稀疏性的智能體訓練算法/632.9算例分析/682.9.1算例設計/682.9.2算法基本控制性能測試及分析/712.9.3示教數(shù)據(jù)融合訓練機制的有效性分析/762.9.4先驗經(jīng)驗比例對智能體性能的影響分析/81本章小結/81本章參考文獻/82人機混合智能高動態(tài)系統(tǒng)知識自動化和調控關鍵技術及平臺目錄第3章基于圖計算的多源異構數(shù)據(jù)和知識處理關鍵技術/853.1基于功能缺陷文本的電力二次設備智能診斷與輔助決策/853.1.1引言/853.1.2電力二次設備功能缺陷記錄文本描述/863.1.3電力二次設備功能缺陷智能診斷與輔助決策平臺/883.1.4基于BiLSTMCRF的電力二次設備功能缺陷文本信息抽取/903.1.5電力二次設備功能缺陷知識圖譜構建與知識應用：智能診斷與輔助決策/923.1.6算例分析/963.2基于遷移學習的電網(wǎng)故障處置知識圖譜構建及實時輔助決策研究/1003.2.1引言/1003.2.2故障處置實時輔助決策技術路線/1013.2.3面向電網(wǎng)故障領域的基于遷移學習的小樣本文本實體識別/1043.2.4基于故障處置的多元數(shù)據(jù)融合知識圖譜構建與推理方法/1083.2.5基于電網(wǎng)故障處置知識圖譜的實時輔助決策及應用算例/111本章小結/119本章參考文獻/120第4章小樣本多源異構數(shù)據(jù)深度學習關鍵技術/1244.1“黑天鵝”事件下的小樣本遷移學習框架/1244.1.1“黑天鵝”事件下的社會用電需求波動分析/1254.1.2基于CNN的經(jīng)濟電力關系特征提取器構建/1264.1.3基于遷移學習的小樣本電力負荷預測框架/1294.1.4算例分析/1314.2用于社會能源和電力消耗分析的經(jīng)濟與政策綜合計算系統(tǒng)/1454.2.1EPICS框架：政策量化/1474.2.2EPICS框架：混頻經(jīng)濟數(shù)據(jù)融合/1524.2.3考慮經(jīng)濟、政策因素的中長期用電量預測方法/1524.2.4EPICS政策量化結果/1534.2.5EPICS混頻經(jīng)濟數(shù)據(jù)指標選取結果/1564.2.6考慮經(jīng)濟、政策因素的中長期用電量預測結果/157本章小結/160本章參考文獻/162第5章基于可解釋性方法的人機混合智能增強關鍵技術/1655.1SHAP值法/1685.1.1DRL中的SHAP值法/1685.1.2Deep SHAP方法/1695.1.3實驗平臺/1715.1.4實驗算例/1725.2基于加權傾斜決策樹的電力系統(tǒng)DRL控制策略提取/1815.2.1引言/1815.2.2電力系統(tǒng)DRL控制策略提取框架/1825.2.3WODT算法/1845.2.4算例分析/187本章小結/192本章參考文獻/192第6章物理數(shù)據(jù)知識混合驅動的高動態(tài)系統(tǒng)管控架構/1986.1架構建設背景/1986.2物理數(shù)據(jù)知識混合驅動的人機混合增強智能系統(tǒng)分析和管控方法/1996.2.1可信的分布式數(shù)據(jù)、計算和算法模型/2016.2.2物理信息深度學習/2036.2.3融合系統(tǒng)運行規(guī)則的混合型DRL方法/2056.2.4從知識圖譜到因果分析的方法/2066.2.5可解釋性人工智能與數(shù)字人/2076.3應用示例/2086.3.1物理信息深度學習示例/2086.3.2知識圖譜和因果分析示例/2096.3.3人機混合增強智能電網(wǎng)調控示例/212本章小結/217本章參考文獻/218第7章人機混合增強智能評估及自主進化關鍵技術/2227.1引言/2227.2PLASE系統(tǒng)/2257.2.1PLASE系統(tǒng)的基本結構和目標函數(shù)/2257.2.2PLASE系統(tǒng)的結構/2267.3算例實驗/2337.3.1實驗設計/2337.3.2基準智能體的智能評估結果/2377.3.3超參數(shù)對智能體智能水平的影響/2387.3.4*優(yōu)智能體超參數(shù)及智能體智能水平變化情況/241本章小結/243本章參考文獻/243第8章人機混合增強智能系統(tǒng)知識自動化和調控平臺/2478.1復雜系統(tǒng)理論方法發(fā)展概述/2478.2復雜系統(tǒng)與人機混合增強智能/2498.3總體問題/2508.3.1背景分析/2518.3.2機器智能對復雜系統(tǒng)的認知和管控/2528.3.3人類智能與機器智能之間的認知管控博弈關系/2538.4基于復雜系統(tǒng)管控的人機互信知識自動化流程/2548.4.1人機功能部署:基于任務和流程/2548.4.2人機行為約束:基于規(guī)則和職責/2558.4.3人機智能理解:基于相互解釋/2568.4.4人機決策驗證:基于經(jīng)驗知識和并行系統(tǒng)/2568.5人機混合增強智能、人機互信知識自動化與大電網(wǎng)調控/2568.5.1基于人類智能的大電網(wǎng)調控/2578.5.2機器智能對大電網(wǎng)的認知和管控/2588.5.3人機互信的知識自動化在大電網(wǎng)調控中的應用規(guī)則/2618.6人機混合增強智能的電網(wǎng)調控應用示例/262本章小結/264本章參考文獻/265
展開全部
人機混合智能高動態(tài)系統(tǒng)知識自動化和調控關鍵技術及平臺 作者簡介
張俊，武漢大學電氣與自動化學院教授，博士生導師。2008年畢業(yè)于美國亞利桑那州立大學，獲博士學位；2011年在美國丹佛大學任教，并獲終身教授資格。2017年入選*海外高層次引進人才青年。現(xiàn)任中國自動化學會副秘書長，并擔任IEEE武漢分會主席、《智能科學與技術學報》副主編、《自動化學報》（中英文版）編委會成員。研究領域包括復雜系統(tǒng)建模、人機混合增強智能等理論方法在能源電力中的應用。近五年主持或參與包括科技創(chuàng)新2030“新一代人工智能”重大項目在內的二十余項*、省部級項目及行業(yè)級科技項目。出版專著五部；發(fā)表SCI收錄論文四十余篇、ESI和知網(wǎng)中文高被引論文五篇。獲得多項國內外重要獎項，包括楊嘉墀科技獎個人二等獎、中國自動化學會科技進步獎一等獎等。
書友推薦
- >
姑媽的寶刀
- >
龍榆生：詞曲概論/大家小書
- >
莉莉和章魚
- >
史學評論
- >
伯納黛特,你要去哪(2021新版)
- >
回憶愛瑪儂
- >
名家?guī)阕x魯迅:故事新編
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
