热门搜索: 中考 高考 考试 开卷17
服务电话 024-23945002/96192
 

人工智能在电气工程中的应用

编号:
wx1203587342
销售价:
¥129.63
(市场价: ¥149.00)
赠送积分:
130
数量:
   
商品介绍

本书主要包括人工智能的定义与发展历史以及深度学习和强化学习在电气工程智能化中的应用,从电气工程智能化的技术发展现状和基本概念入手,逐步介绍人工智能在电气工程领域涉及的前沿算法和相关技术及体系。随后分别以具体的应用实例介绍人工智能相关技术在电气工程领域的应用研究现状,主要包括基于人工智能的故障诊断技术、基于人工智能的混合能源系统与电动汽车系统能量管理技术、基于人工智能的控制和优化技术以及基于人工智能的电力电子调制技术。

目录
第1章 人工智能在电气工程中的应用现状 1
1.1 人工智能的定义与发展史 1
1.2 深度学习和强化学习在电气工程中的应用 2
1.2.1 深度学习在电气工程中的应用现状 3
1.2.2 强化学习在电气工程中的应用现状 10
1.3 本章小结 15
参考文献 15
第2章 人工智能在故障诊断中的应用 19
2.1 应用背景 19
2.2 基于胶囊网络的电机故障诊断 19
2.2.1 胶囊网络故障诊断模型 19
2.2.2 数据获取与预处理 23
2.2.3 模型搭建与训练 26
2.3 基于高斯过程的电机轴承故障诊断 28
2.3.1 基于高斯过程的故障诊断模型 28
2.3.2 数据获取与预处理 31
2.3.3 模型搭建与训练 32
2.4 基于与模型无关元学习方法的电机故障诊断 35
2.4.1 基于与模型无关元学习的故障诊断模型 35
2.4.2 模型搭建与训练 39
2.5 本章小结 41
参考文献 42
第3章 人工智能在混合能源系统能量管理中的应用 43
3.1 混合能源系统建模 44
3.1.1 电-热混合能源系统运行成本优化模型 44
3.1.2 电-气混合能源系统负荷转移模型 49
3.1.3 电-热-气混合能源系统多目标运行优化建模 53
3.2 基于PPO算法的电-热混合能源系统运行成本优化 54
3.2.1 智能调度问题向强化学习任务的转化 55
3.2.2 PPO算法和网络结构 55
3.2.3 实验验证 57
3.3 基于DDPG算法的电-气混合能源系统负荷转移策略 60
3.3.1 负荷转移优化问题向强化学习任务的转化 61
3.3.2 DDPG算法和网络结构 62
3.3.3 实验验证 65
3.4 基于SAC算法的电-热-气混合能源系统多目标优化 71
3.4.1 多目标优化问题向强化学习任务的转化 71
3.4.2 SAC算法和网络结构 73
3.4.3 实验验证 76
3.5 本章小结 80
参考文献 81
第4章 人工智能在主动配电网电压控制中的应用 83
4.1 分布式新能源发电装置接入对配电网电压分布的影响 83
4.1.1 机理分析 83
4.1.2 仿真分析 85
4.2 基于多智能体的配电网就地协同电压控制策略 87
4.2.1 电压优化问题建模 87
4.2.2 马尔可夫博弈建模 88
4.2.3 基于注意力机制的MATD3算法 89
4.2.4 中心式训练与分布式执行框架 93
4.2.5 案例分析及性能评估 95
4.3 基于智慧分区的配电网分区协同电压控制策略 97
4.3.1 问题建模 97
4.3.2 配电网分区 98
4.3.3 马尔可夫博弈建模 99
4.3.4 基于注意力机制的MATD3算法 100
4.3.5 案例分析 100
4.4 本章小结 107
参考文献 108
第5章 人工智能在电动汽车能量管理中的应用 109
5.1 基于深度强化学习的电动汽车充电策略 109
5.1.1 DDPG 109
5.1.2 MDP 114
5.2 基于多智能体深度强化学习的考虑变压器剩余寿命的电动汽车充电策略 115
5.2.1 变压器LOL模型 116
5.2.2 MADDPG 117
5.2.3 马尔可夫博弈 120
5.3 基于多智能体深度强化学习的协同电动汽车变压器寿命优化方法 121
5.4 本章小结 125
参考文献 125
第6章 人工智能在电力系统低频超低频稳定控制中的应用 126
6.1 可再生能源汇集下系统低频超低频稳定分析 126
6.1.1 风电接入下电力系统低频振荡特征分析与机理 126
6.1.2 水电接入下电力系统超低频振荡特征分析与机理 134
6.2 计及风电接入的电力系统低频振荡抑制策略 137
6.2.1 多机PSS自适应协同优化建模 138
6.2.2 控制器参数灵敏度分析 138
6.2.3 马尔可夫决策过程建模 140
6.2.4 马尔可夫决策过程求解 141
6.2.5 仿真验证 143
6.3 计及水电接入的电力系统超低频振荡抑制策略 149
6.3.1 调速器PID鲁棒优化问题建模 149
6.3.2 min-max双层鲁棒优化模型求解方法 150
6.3.3 基于PSO算法的上层优化模型求解 151
6.3.4 仿真测试 152
6.4 本章小结 158
参考文献 159
第7章 人工智能在双有源全桥调制中的应用 160
7.1 电力电子变换器的调制建模分析 160
7.1.1 DAB DC-DC变换器的线性分段时域模型分析 160
7.1.2 DAB DC-DC变换器的统一谐波分析模型 167
7.2 基于强化学习+人工神经网络的三重移相优化调制方案设计 169
7.2.1 强化学习+人工神经网络结构分析 170
7.2.2 Q-learning算法分析 171
7.2.3 Q-learning算法的训练 173
7.2.4 BP神经网络算法及训练 175
7.2.5 性能评价和比较 176
7.2.6 实验验证 179
7.3 基于DDPG算法的三重移相优化调制方案设计 186
7.3.1 DDPG算法分析 187
7.3.2 DDPG算法的训练 189
7.3.3 实验验证 191
参考文献 195

商品参数
基本信息
出版社 科学出版社
ISBN 9787030805683
条码 9787030805683
编者 胡维昊 著
译者 --
出版年月 2025-03-01 00:00:00.0
开本 其他
装帧 平装
页数 206
字数 302
版次 1
印次
纸张 一般胶版纸
商品评论

暂无商品评论信息 [发表商品评论]

商品咨询

暂无商品咨询信息 [发表商品咨询]