• 
  人工智能视角下的...
  ￥101.91元
• 
  基于人工智能的新...
  ￥77.42元
• 
  人工智能与电力电...
  ￥77.42元
• 
  新型配电网数智化...
  ￥156.42元
• 
  人工智能与新型电...
  ￥77.42元
• 
  微能网数智化规划...
  ￥156.42元
• 
  深度智慧学习与电...
  ￥109.81元
• 
  深度学习与电力系...
  ￥109.81元

本书围绕电力系统态势感知技术，通过5章的内容探求这一问题的人工智能理论基础、数据分析与处理、实践方法。第1章介绍电力系统运行数据，为后续建模奠定数据基础；第2章面向电力场景阐述“电力+人工智能”的典型方向，重点覆盖故障数据增强、故障信息识别、电力数据预测以及电力大模型等内容；第3章介绍基于强化学习的PMU优化配置建模框架；第4章介绍基于深度学习的故障分类技术；第5章构建以图注意力神经网络为核心的故障定位技术。

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
  第1章 电力数据 1
  1.1 概述 1
  1.2 电力监测系统 2
  1.2.1 电力监测系统发展历程 2
  1.2.2 SCADA 3
  1.2.3 WAMS 4
  1.2.4 PMU 6
  1.3 电力系统运行数据 9
  1.3.1 传统机组数据 9
  1.3.2 电力负荷数据 12
  1.3.3 新能源数据 19
  1.3.4 故障数据 21
  1.3.5 气象数据 22
  参考文献 23
  第2章 人工智能 27
  2.1 概述 27
  2.1.1 人工智能 27
  2.1.2 机器学习 27
  2.1.3 深度学习 29
  2.2 人工智能技术发展历程 29
  2.3 电力+人工智能 31
  2.3.1 故障数据增强 32
  2.3.2 故障信息识别 37
  2.3.3 电力预测 42
  2.3.4 电力大模型 47
  2.4 基于深度学习的电力数据构建与增广 50
  2.4.1 数据集搭建 50
  2.4.2 数据增广算例分析 53
  参考文献 57
  第3章 PMU优化配置 59
  3.1 概述 59
  3.2 PMU优化配置研究现状 59
  3.2.1 PMU优化配置的定义与意义 59
  3.2.2 传统优化方法 60
  3.2.3 元启发式算法 65
  3.2.4 新型电力系统适应性研究 71
  3.2.5 当前研究局限性分析 73
  3.3 强化学习算法 74
  3.3.1 强化学习基础与核心思想 74
  3.3.2 典型算法分类与适配场景 75
  3.3.3 训练流程与动态适应机制 76
  3.4 电网可观测性分析 77
  3.5 基于强化学习的OPP问题建模 79
  3.5.1 电力系统仿真模型介绍 80
  3.5.2 OPP问题求解框架 81
  3.5.3 求解模型 83
  3.6 实验仿真与结果分析 85
  3.6.1 实验参数设置 85
  3.6.2 实验结果及分析 87
  参考文献 90
  第4章 态势感知技术——故障分类 96
  4.1 概述 96
  4.2 故障分类研究现状 97
  4.2.1 故障分类的意义与价值 97
  4.2.2 故障分类技术发展概述 99
  4.3 电力监测数据的生成和处理 112
  4.3.1 电力监测数据的获取 113
  4.3.2 电力监测数据的处理 114
  4.3.3 异常数据的筛查与清洗 116
  4.3.4 一维电力数据转二维图像技术：PMU数据图像编码 121
  4.4 故障分类技术与实现 124
  4.4.1 深度学习模型 125
  4.4.2 损失函数及训练方法 127
  4.4.3 模型性能评价指标 128
  4.4.4 故障分类实验与分析 129
  参考文献 136
  第5章 态势感知技术——故障定位 138
  5.1 概述 138
  5.2 故障定位技术框架 138
  5.3 故障定位模型 139
  5.3.1 注意力机制 139
  5.3.2 图注意力网络 143
  5.3.3 电网故障定位模型 146
  5.4 实验结果及分析 148
  5.4.1 不同的PMU配置情况 148
  5.4.2 不同的噪声情况 149
  5.4.3 注意力机制的影响 150
  参考文献 152