人工智能与电力系统
全新正版 急速发货
￥ 52.5 4.9折 ￥ 108 全新
库存5件
天津武清
认证卖家担保交易快速发货售后保障
作者杨东升，周博文，李广地
出版社科学出版社
ISBN9787030727473
出版时间2023-12
装帧平装
开本16开
定价108元
货号29543904
上书时间2024-12-27
- 在售商品 暂无
- 平均发货时间 14小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
前言
导语摘要
本书在详细、深入地分析当前人工智能技术理论的基础之上，重点研究了人工智能算法在电力系统中的实际应用。书中系统地介绍了主要智能算法和机器学习的基础知识，智能算法主要包括遗传算法、免疫算法、蚁群算法、粒子群优化算法、模拟退火算法、禁忌搜索算法等；机器学习主要包括贝叶斯算法、决策树算法、支持向量机、卷积神经网络、循环神经网络等。在此基础之上，通过研究问题背景、原理、建模、仿真与验证等解决电力系统中的具体问题，其中包括电力系统负荷与发电预测、电力系统监测辨识与故障诊断以及电力系统优化。
目录
目录
《智能科学技术著作丛书》序
前言
第1章 绪论 1
1.1 人工智能发展综述 1
1.1.1 人工智能概述 1
1.1.2 人工智能的主要算法 3
1.2 电力系统中应用人工智能的典型场景 4
1.2.1 基于人工智能技术的电力系统负荷与发电预测 4
1.2.2 基于人工智能技术的电力系统监测辨识与故障诊断 5
1.2.3 基于人工智能技术的电力系统优化 6
1.3 本章小结 6
基础部分
第2章 进化算法与群智能 9
2.1 遗传算法 9
2.1.1 遗传算法的基本概念及模型 9
2.1.2 遗传算法的特点及应用场景 13
2.2 免疫算法 14
2.2.1 免疫算法的基本概念及模型 14
2.2.2 免疫算法的特点 18
2.3 蚁群算法 18
2.3.1 蚁群算法的基本概念及模型 19
2.3.2 蚁群算法的特点及应用场景 23
2.4 粒子群优化算法 24
2.4.1 粒子群优化算法的基本概念及模型 24
2.4.2 粒子群优化算法的特点及应用场景 27
2.5 模拟退火算法 28
2.5.1 模拟退火算法的基本概念及模型 29
2.5.2 模拟退火算法的特点及应用场景 34
2.6 其他智能算法 36
2.6.1 禁忌搜索算法 36
2.6.2 进化策略算法 41
2.6.3 进化规划算法 42
2.7 本章小结 43
第3章 机器学习 44
3.1 机器学习的基本概念与发展历程 44
3.1.1 机器学习的基本概念 44
3.1.2 机器学习算法的发展历程及分类 45
3.2 传统机器学习算法 46
3.2.1 贝叶斯算法 46
3.2.2 决策树算法 50
3.2.3 支持向量机 54
3.3 深度学习 57
3.3.1 神经元与神经网络 58
3.3.2 卷积神经网络 62
3.3.3 循环神经网络 66
3.4 强化学习 71
3.4.1 强化学习的基本概念及主要研究方向 71
3.4.2 马尔可夫算法 74
3.4.3 Q学习算法 77
3.5 本章小结 82
应用部分
第4章 基于人工智能技术的电力系统负荷与发电预测 85
4.1 基于长短期记忆网络的风电预测 85
4.1.1 基于长短期记忆网络的单点值预测 85
4.1.2 基于窗宽优化的非参数核密度估计模型 87
4.1.3 误差数据库的生成及预测流程 89
4.1.4 仿真与验证 90
4.2 基于PSO-LSVM的海水淡化系统负荷预测 94
4.2.1 海水淡化系统模型建立 95
4.2.2 海水淡化负荷求解方法建立 96
4.2.3 仿真与验证 100
4.3 基于形态聚类的LightGBM的工业用户负荷预测 103
4.3.1 工业用户负荷形态聚类算法 103
4.3.2 基于用户负荷曲线的特征选择 106
4.3.3 基于形态聚类的LightGBM的工业用户中期负荷预测模型 106
4.3.4 仿真与验证 112
4.4 本章小结 117
第5章 基于人工智能技术的电力系统监测辨识与故障诊断 118
5.1 基于卷积神经网络的非侵入式负荷监测 118
5.1.1 基于卷积神经网络的非侵入式负荷监测方法 118
5.1.2 仿真与验证 122
5.2 基于马尔可夫模型的负荷辨识 124
5.2.1 多特征序列融合的负荷辨识原理 125
5.2.2 多特征序列融合的负荷辨识流程 128
5.2.3 仿真与验证 129
5.3 基于模拟退火算法的高压输电线路故障定位 132
5.3.1 输电线路故障定位原理 132
5.3.2 基于模拟退火-改进牛顿迭代法的模型求解 134
5.3.3 仿真与验证 136
5.4 基于卷积神经网络的多端直流输电线路故障诊断 136
5.4.1 MTDC线路故障特征提取 137
5.4.2 P-CNN构建 139
5.4.3 仿真与验证 142
5.5 基于深度学习的电力变压器故障诊断与定位 145
5.5.1 基于卷积神经网络的变压器故障在线诊断技术 146
5.5.2 基于改进卷积神经网络的变压器故障在线定位技术 152
5.6 本章小结 161
第6章 基于人工智能技术的电力系统优化 162
6.1 基于粒子群优化算法的微电网容量优化配置 162
6.1.1 微电网的容量优化配置模型 163
6.1.2 优化配置模型的算法 171
6.1.3 仿真与验证 174
6.2 基于遗传算法的多能源系统能量枢纽优化配置 184
6.2.1 能量枢纽模型 184
6.2.2 计及可靠性的能量枢纽优化配置模型 185
6.2.3 基于双层优化的能量枢纽很优求解方法 189
6.2.4 仿真与验证 191
6.3 基于遗传算法的沿海水电系统优化运行 194
6.3.1 考虑海水淡化的沿海水电系统配置 194
6.3.2 考虑海水淡化的沿海水电系统优化运行 195
6.3.3 仿真与验证 197
6.4 基于粒子群优化算法的多能源系统优化运行 200
6.4.1 多能源系统并网模式下实时优化控制策略 200
6.4.2 多能源系统并网模式下优化模型 202
6.4.3 多能源系统并网模式下优化控制算法 207
6.4.4 仿真与验证 207
6.5 基于免疫算法的水火电联合优化调度 216
6.5.1 含梯级水电站的水火电联合优化调度模型 216
6.5.2 含梯级水电站的水火电联合优化调度方法 218
6.5.3 仿真与验证 221
6.6 基于蚁群算法的风电集群输电系统拓扑优化 224
6.6.1 风电集群输电系统的数学模型 225
6.6.2 基于改进蚁群算法的风电集群输电系统拓扑优化方法 228
6.6.3 仿真与验证 228
6.7 本章小结 231
参考文献 232
内容摘要
本书在详细、深入地分析当前人工智能技术理论的基础之上，重点研究了人工智能算法在电力系统中的实际应用。书中系统地介绍了主要智能算法和机器学习的基础知识，智能算法主要包括遗传算法、免疫算法、蚁群算法、粒子群优化算法、模拟退火算法、禁忌搜索算法等；机器学习主要包括贝叶斯算法、决策树算法、支持向量机、卷积神经网络、循环神经网络等。在此基础之上，通过研究问题背景、原理、建模、仿真与验证等解决电力系统中的具体问题，其中包括电力系统负荷与发电预测、电力系统监测辨识与故障诊断以及电力系统优化。
— 没有更多了 —
以下为对购买帮助不大的评价