0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: > 能源大数据与人工智能

相同语种的商品

销售排行榜

浏览历史

能源大数据与人工智能


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
能源大数据与人工智能
  • 书号：9787030807199
    作者：刘艳丽
  • 外文书名：
  • 装帧：平装
    开本：16
  • 页数：187
    字数：304000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2024-12-01
  • 所属分类：
  • 定价： ￥59.00元
    售价： ￥46.61元
  • 图书介质:
    纸质书

  • 购买数量： 件  可供
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

智能电网是实现“双碳”目标的重大战略需求，其关键在于引入人工智能、大数据、物联网等先进信息技术实现数智化转型，以消纳大规模分布式资源。本书前两章阐释智能电网应对气候变化的重大意义，给出电力系统的基本概念，并介绍了智能电网的基本理念，包括智能电网的主要特征、总体设想、分层分群体系结构和关键技术体系。第3章给出了电力能源大数据的构成与特点、价值的多维视角以及数据分析方法分类。第4章给出了人工智能技术的发展历程与典型方法。第5、6章给出了大数据与人工智能技术在智能电网源荷侧、系统侧的典型应用。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    第1章 绪论 1
    第2章 智能电网基本理念与关键技术 3
    2.1 电力系统基本概念 3
    2.2 智能电网基本理念 4
    2.2.1 智能电网的主要特征· 4
    2.2.2 智能电网与目前电网功能的比较 5
    2.3 电网分层分群体系结构 6
    2.3.1 互联（输电）系统的体系结构 6
    2.3.2 电网分层分群体系结构概述 8
    2.3.3 电网分层分群体系结构的数学基础 9
    2.3.4 建设像互联网一样智能的电网 11
    2.4 智能电网关键技术体系 15
    2.4.1 智能电网的运行技术 15
    2.4.2 智能电网组成要素的分层描述 19
    2.4.3 与智能电网相关的技术内涵 21
    第3章 能源大数据 23
    3.1 能源系统数据的构成与特点 23
    3.1.1 能源系统数据的构成 23
    3.1.2 电力大数据的来源 23
    3.1.3 电力大数据的特点 25
    3.2 电力大数据的多维价值 26
    3.2.1 能源大数据的价值 26
    3.2.2 电力大数据价值的多维视角 28
    3.3 能源大数据的数据分析方法 29
    3.3.1 数据分析方法的定义 29
    3.3.2 电力大数据分析 30
    3.3.3 电力大数据分析方法的分类 31
    3.3.4 AMI数据分析方法 32
    第4章 人工智能技术 34
    4.1 人工智能的定义与发展历史 34
    4.1.1 人工智能的定义 34
    4.1.2 人工智能的发展历史 35
    4.2 卷积神经网络 40
    4.2.1 卷积神经网络原理 40
    4.2.2 应用流程及算例分析 43
    4.3 循环神经网络 45
    4.3.1 经典循环神经网络原理及架构 46
    4.3.2 长短期记忆网络原理及架构 47
    4.3.3 应用流程及算例分析 49
    4.4 Transformer 51
    4.4.1 Transformer架构介绍 52
    4.4.2 位置嵌入 53
    4.4.3 自注意力机制 54
    4.4.4 示例与应用 55
    4.5 大语言模型及其微调技术 57
    4.5.1 大语言模型的发展历史 57
    4.5.2 大语言模型微调 58
    4.5.3 基于Swift库的微调示例 62
    第5章 源荷侧的典型应用 64
    5.1 风光出力预测中的应用 64
    5.1.1 基于高频数据生成的风电预测 64
    5.1.2 基于贝叶斯优化的光伏预测 70
    5.1.3 基于时空特征增强的光伏预测 73
    5.1.4 基于强化学习的极端场景风电概率预测 78
    5.2 用户用能画像中的应用 87
    5.2.1 用户负荷画像修复 87
    5.2.2 用户负荷超分辨率感知 90
    5.2.3 非侵入式负荷监测 96
    5.3 电动汽车特性分析中的应用 105
    5.4 储能状态估计中的应用 109
    5.4.1 基于组合模型的锂离子电池荷电状态估计 110
    5.4.2 基于GRU的锂离子电池健康状态估计 114
    5.4.3 基于TCN的锂离子电池剩余寿命预测 117
    第6章 系统侧的典型应用 121
    6.1 系统态势感知中的应用 121
    6.1.1 基于数据模型混合驱动的拓扑辨识与线路参数联合估计 121
    6.1.2 基于模型指导的深度极限学习机潮流计算方法 129
    6.1.3 基于生成对抗网络的大电网安全边界生成方法 135
    6.2 系统运行控制中的应用 146
    6.2.1 问题描述 147
    6.2.2 方法分类 147
    6.2.3 应用流程 148
    6.2.4 算例分析 149
    6.3 能源交易市场中的应用 157
    参考文献 170
    附录 相关代码 172
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

本平台为互联网非涉密平台，严禁处理、传输国家秘密。

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com