扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
数据驱动下的配电网负荷预测 版权信息
- ISBN：9787519873967
- 条形码：9787519873967 ; 978-7-5198-7396-7
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>>
数据驱动下的配电网负荷预测 本书特色
一句话推荐 本书详细解释了被实践验证的那些强化学习方法，它们被封装形成了软件开发人员的标准库。 编辑推荐 强化学习将是未来十年在人工智能领域的*z大突破之一，强化学习算法能够使得智能体在环境中学习任意目标。这一令人兴奋的发展打破了传统机器学习的算法约束。这本实用的书向数据科学和人工智能专业人员展示了如何通过强化的手段使机器能够自己学习。 本书作者创办了自己名字命名的研究型公司，本书涵盖了从基本的构建模块到*z先进的实践。通过本书，你将探索强化学习的当前状态、关注工业应用、学习大量算法，本书还有专门章节介绍如何将强化学习的解决方案部署到生产环节。这并不是一本随用随翻的工具书，书中包含很多数学知识，并期望读者是熟悉机器学习的。 专家推荐 “强化学习出色地展示了它的技术背景、发展前景和未来机会，它将显著的推进数据科学家在其业务上的工作方式。” ——David Aronchick， Kubeflow联合创始人 “对于任何想要应用强化学习技术来解决现实问题的人来说，这本书都是必读的。它将以实践中的案例和细致的解释，带领读者漫游强化学习的第d一个定理到顶会的前沿技术。” ——David Foster， 应用数据科学合伙人 “伟大著作！本书详细解释了被实践验证的那些强化学习方法，它们被封装形成了软件开发人员的标准库。” ——Danny Lange， Unity人工智能高级副总裁
数据驱动下的配电网负荷预测 内容简介
主要内容如下：
1.空间负荷预测与数据驱动方法发展概述，阐述国内外在空间负荷预测及对应的聚类算法、神经网络算法等的主要尝试。
2.数据驱动的自下而上空间负荷预测方法，从空间负荷预测关键难题出发，系统阐述了负荷密度和负荷曲线的制定方法，并以实例演示。
3.配电网新元素对负荷预测结果的影响分析，提出温控负荷、电动汽车、光伏和储能对负荷预测结果的影响。
4.配电网近期负荷预测方法，在空间负荷预测的基础上，提出Logistic、灰色理论等近期负荷预测模型，为读者提供完善的负荷预测方法体系。
5.面向综合能源系统的多能流负荷预测研究，适应能源互联网发展需求，提出冷、热、电、气等多种负荷综合预测方法。
数据驱动下的配电网负荷预测 目录
前言
1 空间负荷预测与数据驱动方法发展综述
1．1 由模型驱动到数据驱动
1．1．1 模型驱动的局限性
1．1．2 数据驱动应运而生
1．2 空间负荷预测发展综述
1．2．1 空间负荷预测发展历程
1．2．2 空间负荷预测方法综述
1．2．3 空间负荷预测发展现状
1．3 聚类算法发展综述
1．3．1 聚类算法发展现状
1．3．2 聚类有效性评价研究现状
1．4 神经网络发展综述
1．4．1 神经网络发展现状
1．4．2 神经网络方法综述
2 数据驱动的自下而上空间负荷预测方法
2．1 传统空间负荷预测方法
2．1．1 空间负荷预测的网格化体系概述
2．1．2 传统空间负荷预测步骤
2．1．3 当前空间负荷预测存在的问题
2．2 负荷密度的确定
2．2．1 地块多维度负荷密度指标体系
2．2．2 空间负荷密度的非参数核密度估计
2．2．3 基于堆叠自编码器的地块特征模型
2．2．4 负荷密度算例演示
2．3 负荷曲线的聚类获取
2．3．1 各类典型日负荷曲线提取
2．3．2 负荷数据的自适应聚类提取
2．3．3 基于典型日负荷曲线的负荷分类校验及精选
2．3．4 负荷曲线聚类算例演示
2．4 自下而上叠加的空间负荷预测算例演示
2．4．1 当地空间负荷预测结果
2．4．2 自下而上负荷叠加结果
2．5 小结
3 配电网新元素对负荷预测结果的影响分析
3．1 温控负荷对负荷预测结果的影响分析
3．1．1 用户满意度评估模型
3．1．2 用户体验影响下的温控负荷潜力评估
3．1．3 考虑温控负荷潜力的负荷预测算例分析
3．2 电动汽车对负荷预测结果的影响分析
3．2．1 各类型车辆充电需求预测模型
3．2．2 区域影响因素分析
3．2．3 考虑充电负荷影响的负荷预测算例分析
3．3 光伏对负荷预测结果的影响分析
3．3．1 光伏运行模型建立
3．3．2 基于综合指标的k值自适应聚类方法
3．3．3 考虑光伏典型出力的负荷预测算例分析
3．4 储能设备对负荷预测结果的影响分析
3．4．1 储能运行模型建立
3．4．2 储能对配电网的主要影响分析
3．4．3 考虑储能运行的负荷预测算例分析
3．5 小结
……
4 配电网近期负荷预测方法
5 面向综合能源系统的多能流负荷预测研究
参考文献
展开全部
数据驱动下的配电网负荷预测 作者简介
Phil Winder博士是一名多学科交叉的软件工程师、作家和科技顾问，同时也是温德研究所的CEO。该研究所主要提供云计算科学咨询，主营业务是帮助初创公司和大型企业改进数据流程、平台以及产品。作者于英国赫尔大学获得电子工程硕士和博士学位，现居英国约克郡。 译者介绍 邹伟，睿客邦创始人、国内资深AI专家，擅长利用AI技术解决工业、工程中的复杂问题。华东建筑设计研究总院研究员、山东交通学院客座教授、天津大学创业导师、中华中医药学会会员，领导睿客邦与全国二十多所高校、国企建立了AI联合实验室，完成50多个深度学习实践项目，目前已出版多本机器学习、深度学习领域的专著和译著。
书友推荐
本类畅销
-
新能源发电作业危险点分析及控制 分布式光伏分册
¥56.2¥80 -
新能源发电作业危险点分析及控制 集中式光伏分册
¥75.6¥108 -
新能源发电事故隐患重点排查手册
¥164.2¥238 -
高压电气设备试验方法(第2版)
¥84¥120 -
新能源电力企业安全设施配置规范
¥46.6¥76 -
电力安全生产月获奖征文 2012-0-2015
¥18.3¥69
浏览历史
盐不由衷:琅盐井历史新探
¥49.0¥68.0
