新書推薦：
《
情绪治愈手册
》
售價：HK$
75.9
《
宋代文人与党争 知名宋代研究学者沈松勤代表著作 宋代党争史研究开山之作 全面讲解宋代朝堂之争和灭亡的内在根源
》
售價：HK$
195.8
《
执念（“执念”从不改变你的命运，只是让你发现命运）
》
售價：HK$
64.9
《
散落在书页上的出版往事
》
售價：HK$
74.8
《
中国统计学史
》
售價：HK$
547.8
《
投资你自己
》
售價：HK$
120.9
《
我喜欢相爱的人们
》
售價：HK$
83.6
《
网格本·飘（全两册/外国文学名著丛书）
》
售價：HK$
206.8
|
| 內容簡介： |
|
电力系统仿真分析广泛应用于电力系统规划设计、运行控制、安全防御、科研教学等领域。基于机理模型的电力系统仿真计算能够为求解电网状态量提供有力支撑，但是在仿真分析工作中还需要大量人工参与。将电力系统仿真技术与人工智能技术深度融合，实现电力系统仿真分析与决策的人工智能，可有效提高仿真分析的效率和精度。《电力系统仿真分析的人工智能方法》系统性地介绍了电力系统仿真分析的人工智能方法，旨在为实现电力系统仿真分析的自动化和智能化提供技术基础。
|
| 目錄：
|
目录
前言
第1章 电力系统仿真分析的人工智能方法概述 1
1.1 电力系统仿真分析的含义和特点 1
1.2 电力系统仿真分析面临的挑战 2
1.3 人工智能技术带来的机遇 3
1.4 基于数字仿真的电力系统人工智能分析研究框架 4
1.4.1 电力系统仿真分析知识经验的人工智能建模和应用方法 5
1.4.2 电力系统仿真分析的人工智能建模与知识发现 6
1.4.3 电力系统潮流方式智能分析与调整 7
1.4.4 电力系统稳定性智能分析与控制 8
参考文献 9
第2章 电力系统仿真分析知识经验的获取与管理 10
2.1 电力系统仿真分析知识模型 10
2.1.1 电网潮流调整过程的表示 11
2.1.2 电网潮流调整相关知识的建模 12
2.2 电力系统仿真分析知识的获取 16
2.2.1 面向文本的知识获取 16
2.2.2 基于智能调整模型动作的知识获取 34
2.2.3 人机协同知识获取 44
2.3 电力系统仿真分析知识的推理 65
2.3.1 基于表示学习的推理技术 65
2.3.2 基于图匹配的推理技术 69
2.4 电力系统仿真分析知识的清洗 76
2.4.1 错误知识检测 76
2.4.2 错误知识修复 86
2.4.3 冗余知识清洗 93
2.5 小结 104
参考文献 104
第3章 电力系统仿真分析知识发现 106
3.1 复杂形态电力系统仿真数据与表征学习 106
3.1.1 基于记忆网络的动态网络表征学习模型 107
3.1.2 带属性异构信息网络表征学习模型 116
3.1.3 深度生成嵌入框架 124
3.2 基于复杂约束强化学习的仿真分析知识发现 133
3.2.1 基于马尔可夫博弈的强化学习建模 133
3.2.2 基于多智能体强化学习的多断面功率调整 135
3.3 面向差异化电力系统场景的知识迁移 138
3.3.1 基于图神经网络的知识蒸馏 141
3.3.2 电网级联故障下的脆弱性分析发现 151
3.4 交互式知识提取与评估 163
3.4.1 交互式仿真分析知识标注 163
3.4.2 实验 170
3.5 小结 176
参考文献 176
第4章 电力系统潮流收敛与运行方式调整的人工智能方法 180
4.1 潮流样本集自主生成 181
4.1.1 潮流样本自动生成方法 181
4.1.2 潮流收敛调整样本集生成 186
4.1.3 潮流方式调整样本集生成 187
4.2 潮流收敛人工智能调整 188
4.2.1 知识驱动的潮流收敛智能调整 188
4.2.2 数据驱动的潮流收敛智能调整 200
4.3 潮流方式人工智能调整 206
4.3.1 有功类目标的潮流智能调整 206
4.3.2 电压类目标的潮流智能调整 211
4.3.3 静态N–1约束目标的潮流智能调整 216
4.3.4 暂态N–1约束目标的潮流智能调整 224
4.4 小结 234
参考文献 234
第5章 电力系统稳定分析与控制决策的人工智能方法 236
5.1 电力系统稳定智能分析方法 237
5.1.1 稳定分析样本集自主生成 237
5.1.2 基于挤压激励卷积神经网络的主导失稳模式判别方法 240
5.1.3 基于标签平滑图注意力网络的主导失稳模式判别方法 249
5.1.4 基于马尔可夫转移场仿真数据动态特征提取的主导失稳模式判别方法 259
5.2 面向高样本标注需求的弱监督智能分析及电网变化适应方法 267
5.2.1 基于主动学习的主导失稳模式判别方法 267
5.2.2 基于半监督学习的主导失稳模式判别方法 277
5.2.3 基于主动迁移学习的电网变化适应方法 284
5.2.4 基于无监督迁移学习的电网变化适应方法 291
5.3 电力系统稳定智能决策方法 299
5.3.1 知识融合与深度强化学习的紧急切机控制智能决策 299
5.3.2 基于知识经验引导和并行加速的智能紧急切机决策 307
5.3.3 电力系统两阶段紧急切负荷控制智能预决策 321
5.4 小结 330
参考文献 331
第6章 总结与展望 335
6.1 总结 335
6.2 展望 336
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
