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

人機混合智能高動態系統知識自動化和調控關鍵技術及平台(精)/工業互聯網前沿技術叢書

  • 作者：張俊//許沛東|責編:姚同梅|總主編:高金吉//魯春叢
  • 出版社：華中科技大學
  • ISBN：9787577213316
  • 出版日期：2024/11/01
  • 裝幀：精裝
  • 頁數：265
人民幣：RMB 168 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書依托科技創新2030——「新一代人工智慧」重大項目「人在迴路的大電網調控混合增強智能基礎理論」（2018AAA0101504）而撰寫，介紹了基於人機混合智能的高動態系統調控理論方法、含新型人機智能介面的多源異構數據和知識處理關鍵技術，以及人機混合智能調控系統智能水平評估和自主進化理論方法與平台研發，並給出了混合智能在高動態系統中的管控機制、交互途徑、趨優方法及部署架構；通過豐富案例展示理論技術的實現路徑，構造人機混合智能在高動態系統調控中的系統工程方法和實施範式，為人機混合智能在高動態系統調控業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、科研單位、高校等社會各界了解、學習、應用工業互聯網前沿管控技術的重要參考書。
作者介紹
張俊//許沛東|責編:姚同梅|總主編:高金吉//魯春叢
目錄
第1章  基於多智能體的高動態系統調控關鍵技術
  1.1  計及風光新能源的電力系統源網協同實時調度策略
    1.1.1  問題描述
    1.1.2  DDRL架構
    1.1.3  案例研究
  1.2  基於鄰域特徵聚合的高比例新能源電力系統源儲協同實時調度策略
    1.2.1  基礎模型與理論方法
    1.2.2  基於鄰域特徵聚合的源儲協同實時調度方法
    1.2.3  算例模擬
  本章參考文獻
第2章  基於示教學習的人機混合增強智能理論方法
  2.1  引言
  2.2  計及拓撲調節和電網拓撲可變性的有功校正控制強化學習方法
    2.2.1  基本模型與約束設置
    2.2.2  決策過程建模
  2.3  考慮電網拓撲可變性的複雜電網狀態表徵方法
    2.3.1  時變電網狀態的統一規整方法
    2.3.2  基於圖注意力機制的電網狀態鄰域聚合表徵方法
  2.4  基於改進蒙特卡羅樹搜索的強化學習動作空間優化方法
  2.5  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
    2.5.1  安全校核結果引導的智能體深度探索訓練機制
    2.5.2  考慮控制策略長短期效益的智能體部署機制
  2.6  計及電網層級特徵的實時狀態差異化融合方法
    2.6.1  電網高級、初級特徵的構造方法
    2.6.2  綜合全局、局部特徵的電網狀態多層級圖表徵架構
  2.7  融合調度員校正控制經驗的強化學習增強機制
    2.7.1  基於示教學習的有功校正控制強化學習增強機制
    2.7.2  考慮示教經驗多樣性的有功校正控制示教數據集構建方法
  2.8  計及校正控制動作稀疏性的智能體訓練演算法
  2.9  算例分析
    2.9.1  算例設計
    2.9.2  演算法基本控制性能測試及分析
    2.9.3  示教數據融合訓練機制的有效性分析
    2.9.4  先驗經驗比例對智能體性能的影響分析
  本章小結
  本章參考文獻
第3章  基於圖計算的多源異構數據和知識處理關鍵技術
  3.1  基於功能缺陷文本的電力二次設備智能診斷與輔助決策
    3.1.1  引言
    3.1.2  電力二次設備功能缺陷記錄文本描述
    3.1.3  電力二次設備功能缺陷智能診斷與輔助決策平台
    3.1.4  基於BiLSTM-CRF的電力二次設備功能缺陷文本信息抽取
    3.1.5  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
    3.1.6  算例分析
  3.2  基於遷移學習的電網故障處置知識圖譜構建及實時輔助決策研究
    3.2.1  引言
    3.2.2  故障處置實時輔助決策技術路線
    3.2.3  面向電網故障領域的基於遷移學習的小樣本文本實體識別
    3.2.4  基於故障處置的多元數據融合知識圖譜構建與推理方法
    3.2.5  基於電網故障處置知識圖譜的實時輔助決策及應用算例

  本章小結
  本章參考文獻
第4章  小樣本多源異構數據深度學習關鍵技術
  4.1  「黑天鵝」事件下的小樣本遷移學習框架
    4.1.1  「黑天鵝」事件下的社會用電需求波動分析
    4.1.2  基於CNN的經濟-電力關係特徵提取器構建
    4.1.3  基於遷移學習的小樣本電力負荷預測框架
    4.1.4  算例分析
  4.2  用於社會能源和電力消耗分析的經濟與政策綜合計算系統
    4.2.1  EPICS框架：政策量化
    4.2.2  EPICS框架：混頻經濟數據融合
    4.2.3  考慮經濟、政策因素的中長期用電量預測方法
    4.2.4  EPICS政策量化結果
    4.2.5  EPICS混頻經濟數據指標選取結果
    4.2.6  考慮經濟、政策因素的中長期用電量預測結果
  本章小結
  本章參考文獻
第5章  基於可解釋性方法的人機混合智能增強關鍵技術
  5.1  SHAP值法
    5.1.1  DRL中的SHAP值法
    5.1.2  Deep SHAP方法
    5.1.3  實驗平台
    5.1.4  實驗算例
  5.2  基於加權傾斜決策樹的電力系統DRL控制策略提取
    5.2.1  引言
    5.2.2  電力系統DRL控制策略提取框架
    5.2.3  WODT演算法
    5.2.4  算例分析
  本章小結
  本章參考文獻
第6章  物理-數據-知識混合驅動的高動態系統管控架構
  6.1  架構建設背景
  6.2  物理-數據-知識混合驅動的人機混合增強智能系統分析和管控
方法
    6.2.1  可信的分散式數據、計算和演算法模型
    6.2.2  物理信息深度學習
    6.2.3  融合系統運行規則的混合型DRL方法
    6.2.4  從知識圖譜到因果分析的方法
    6.2.5  可解釋性人工智慧與數字人
  6.3  應用示例
    6.3.1  物理信息深度學習示例
    6.3.2  知識圖譜和因果分析示例
    6.3.3  人機混合增強智能電網調控示例
  本章小結
  本章參考文獻
第7章  人機混合增強智能評估及自主進化關鍵技術
  7.1  引言
  7.2  PLASE系統
    7.2.1  PLASE系統的基本結構和目標函數
    7.2.2  PLASE系統的結構

  7.3  算例實驗
    7.3.1  實驗設計
    7.3.2  基準智能體的智能評估結果
    7.3.3  超參數對智能體智能水平的影響
    7.3.4  最優智能體超參數及智能體智能水平變化情況
  本章小結
  本章參考文獻
第8章  人機混合增強智能系統知識自動化和調控平台
  8.1  複雜系統理論方法發展概述
  8.2  複雜系統與人機混合增強智能
  8.3  總體問題
    8.3.1  背景分析
    8.3.2  機器智能對複雜系統的認知和管控
    8.3.3  人類智能與機器智能之間的認知管控博弈關係
  8.4  基於複雜系統管控的人機互信知識自動化流程
    8.4.1  人機功能部署:基於任務和流程
    8.4.2  人機行為約束:基於規則和職責
    8.4.3  人機智能理解:基於相互解釋
    8.4.4  人機決策驗證:基於經驗知識和並行系統
  8.5  人機混合增強智能、人機互信知識自動化與大電網調控
    8.5.1  基於人類智能的大電網調控
    8.5.2  機器智能對大電網的認知和管控
    8.5.3  人機互信的知識自動化在大電網調控中的應用規則
  8.6  人機混合增強智能的電網調控應用示例
  本章小結
  本章參考文獻

  • 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