幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

電力系統人工智慧典型應用(精)/新一代人工智慧理論技術及應用叢書

  • 作者：黎燦兵//田英傑//周瓏//楊函煜//文明等|責編:張艷芬//李娜|總主編:李衍達
  • 出版社：科學
  • ISBN：9787030796523
  • 出版日期：2024/10/01
  • 裝幀：精裝
  • 頁數：159
人民幣：RMB 120 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞人工智慧技術在電力系統中的應用，探討數據分析、負荷預測、設備故障預測、新能源發電功率預測、優化調度等關鍵技術。第1?4章以人工智慧技術的主要應用領域預測為切入點，探討負荷預測、故障概率預測、新能源發電功率預測領域常見的人工智慧技術，著重討論時間序列的累積效應、城市微氣象與電力空調負荷的交互影響對預測結果的影響；第5和6章聚焦大數據下電力系統智能決策問題，分別提出虛擬發電廠優化調度、安全約束機組組合圖建模方法和基於負荷預測可信度與時間彈性的備用容量規劃方法；第7章構建智能電網管理水平評價體系。
    本書可供高等院校電氣工程專業高年級本科生、研究生和電力系統運行控制及電力信息化企業從業人員和相關領域科技工作者參考。
作者介紹
黎燦兵//田英傑//周瓏//楊函煜//文明等|責編:張艷芬//李娜|總主編:李衍達
目錄
「新一代人工智慧理論、技術及應用叢書」序
前言
第1章  時間序列中的累積效應
  1.1  概述
  1.2  累積效應的基本內涵及典型現象
    1.2.1  累積效應定義
    1.2.2  影響累積效應強度的因素
    1.2.3  考慮累積效應的溫度修正公式
  1.3  面向中長期負荷預測的常見信息聚合方法
    1.3.1  聚類法
    1.3.2  多因素綜合分析方法
  1.4  考慮累積效應的信息聚合方法
    1.4.1  累積效應的識別方法
    1.4.2  考慮累積效應的信息聚合模型
    1.4.3  考慮累積效應的信息聚合方法的有效性驗證
  1.5  考慮累積效應的動態相似子序列預測方法
    1.5.1  動態相似子序列基本概念
    1.5.2  動態相似子序列選取方法
    1.5.3  動態相似子序列預測模型
  1.6  本章小結
  參考文獻
第2章  考慮累積效應和耦合效應的負荷預測技術及應用
  2.1  概述
  2.2  城市微氣象與電力空調負荷的交互影響
    2.2.1  城市微氣象與電力空調負荷的交互影響模型概述
    2.2.2  熱島效應對電力空調負荷的影響
    2.2.3  溫濕效應對電力空調負荷的影響
    2.2.4  累積效應對電力空調負荷的影響
    2.2.5  城市熱島效應、溫濕效應和累積效應對電力空調負荷的綜合影響
    2.2.6  電力空調負荷對城市微氣象的反作用
    2.2.7  城市微氣象與電力空調負荷之間的惡性循環作用
  2.3  基於大數據的分散式短期負荷預測方法
    2.3.1  負荷預測方案
    2.3.2  子網劃分方法
    2.3.3  子網負荷預測模型
    2.3.4  全網負荷預測模型
  2.4  基於機器學習的短期用電預測方法
    2.4.1  短期用電預測方案
    2.4.2  基於形狀相似性的用電曲線聚類
    2.4.3  基於相關性分析的用電曲線關鍵影響因素分析
    2.4.4  基於機器學習的短期用電預測模型
  2.5  本章小結
  參考文獻
第3章  基於不確定性理論分析的電力設備故障概率預測
  3.1  概述
  3.2  電網設備故障概率預測
    3.2.1  設備狀態檢測
    3.2.2  運行環境
    3.2.3  氣象因素
    3.2.4  人為因素

  3.3  輸電線路故障概率預測
    3.3.1  基本思想
    3.3.2  數據平穩性檢驗
  3.4  變壓器故障概率預測
    3.4.1  基於非等間隔GM(1.1)冪模型的灰色預測
    3.4.2  基於遺傳演算法GM(1,1)冪模型的參數優化
  3.5  配電網元件負載率預測和重過載狀態預警
    3.5.1  配電網元件負載率預測
    3.5.2  配電網元件重過載狀態預警
  3.6  本章小結
  參考文獻
第4章  基於機器學習的超短期新能源發電功率預測方法及應用
  4.1  概述
  4.2  新能源發電功率統計學習方法分類
    4.2.1  線性模型
    4.2.2  非線性模型
  4.3  基於即時學習-反向傳播神經網路的短期風電功率預測
    4.3.1  BPNN
    4.3.2  即時學習框架
  4.4  基於簇內即時學習策略的短期風電功率預測
    4.4.1  DBSCAN聚類法
    4.4.2  考慮趨勢性的度量指標
  4.5  基於動態知識蒸餾的短期風電功率預測
    4.5.1  動態知識蒸餾模型
    4.5.2  基於動態知識蒸餾的風電功率預測模型
  4.6  本章小結
  參考文獻
第5章  基於智能預測的發電機組優化調度策略及應用
  5.1  概述
  5.2  計及電池損耗及壽命預測的虛擬發電廠優化調度策略
    5.2.1  電池損耗模型及其壽命預測
    5.2.2  基於循環周期數法電池損耗模型的虛擬發電廠短期優化調度
  5.3  基於斷面功率預測的機組超前優化調度策略
    5.3.1  風電接入對輸電斷面調度的影響
    5.3.2  深度學習預測風電機組出力
    5.3.3  考慮預測風電機組出力的機組調度策略
  5.4  基於圖計算的安全約束機組組合圖建模及高效優化
    5.4.1  基於圖模型的機組組合計算框架
    5.4.2  不確定性環境下安全機組組合約束集
    5.4.3  基於相似性原理的初始解生成方法和約束有效性判斷技術
    5.4.4  機組組合圖路徑搜索迭代方法
  5.5  本章小結
  參考文獻
第6章  基於智能預測的備用容量規劃及其應用
  6.1  概述
  6.2  考慮負荷預測可信度的備用容量規劃方法
    6.2.1  負荷預測可信度的基本概念
    6.2.2  可信度預測與負荷預測對比
    6.2.3  基於負荷預測可信度的備用容量優化
    6.2.4  負荷備用容量的概率性預測

  6.3  考慮負荷時間彈性的備用容量規劃方法
    6.3.1  負荷時間彈性的定性分析
    6.3.2  負荷時間彈性的定量分析
    6.3.3  基於負荷時間彈性的備用容量優化
  6.4  本章小結
  參考文獻
第7章  智能電網管理水平評價體系設計
  7.1  概述
  7.2  綜合管理指標體系構建模塊
  7.3  綜合管理指標權重確定模塊
  7.4  綜合管理效率評估模塊
  7.5  基於熵權法的智能電網管理水平評價指標量化方法
    7.5.1  智能電網管理水平評價的約束參數
    7.5.2  熵權分析
    7.5.3  智能電網管理水平評價量化處理
  7.6  本章小結
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032