¥232.25 299.00

内容提要

本书系统地阐述了人工智能与电气应用的理论基础及应用实践。全书共分为五部分，分别为理论篇、基于人工智能的故障诊断技术、基于人工智能的模式识别和预测技术、基于人工智能的控制和优化技术以及展望篇。《BR》　　 部分介绍人工智能技术的理论基础。第二部分介绍风机叶片覆冰故障检测技术、电网故障诊断技术、电力设备图像识别技术等方面的人工智能故障诊断技术。第三部分介绍电力指纹负荷识别技术、配电网可靠性评估技术、智能电网信息系统的假数据侵入识别技术、台风灾害下架空输电线路损毁预测技术等方面的人工智能模式识别和预测技术。第四部分介绍双有源全桥直流变换器效率优化技术、电力电子变换器实时控制技术、电网有功无功优化调度技术、配电网检修决策技术、多目标潮流优化控制技术与实践、混合能源系统优化技术等方面的人工智能控制和优化技术。第五部分分析并展望未来人工智能在电气工程中的应用前景。

目录

部分 理论篇
第1章 人工智能技术
1.1 人工智能技术简介
1.2 人工神经网络
1.2.1 人工神经网络简介
1.2.2 人工神经网络基本结构
1.3 卷积神经网络
1.3.1 卷积神经网络简介
1.3.2 卷积神经网络基本结构
1.3.3 几种典型的卷积神经网络
1.4 循环神经网络
1.4.1 循环神经网络简介
1.4.2 循环神经网络基本结构
1.4.3 循环神经网络的输出层
1.4.4 循环神经网络的参数优化
1.4.5 长短期记忆网络
1.5 生成对抗神经网络
1.5.1 生成对抗神经网络简介
1.5.2 生成对抗神经网络的训练原理
1.5.3 生成对抗神经网络的经典模型
1.5.4 生成对抗神经网络模型的评价指标
1.5.5 其他类型的生成模型
1.6 图网络
1.6.1 图的简介
1.6.2 图数据应用场景
1.6.3 图嵌入
1.6.4 图卷积神经网络
1.7 强化学习
1.7.1 强化学习基本概念
1.7.2 强化学习算法介绍
1.7.3 强化学习实验环境
1.7.4 强化学习和深度学习
参考文献
第二部分 基于人工智能的故障诊断技术
第1章 基于深度学习的风机叶片覆冰故障检测
1.1 应用背景
1.2 基于深度学习的风机叶片覆冰故障检测整体框架
1.3 基于深度学习的风机叶片覆冰故障检测方法
1.3.1 数据处理
1.3.2 特征提取
1.3.3 算法简介
1.4 基于深度学习的风机叶片覆冰故障检测整体模型与算例分析
1.4.1 算例背景
1.4.2 算例分析
1.4.3 对比分析
1.5 本章小结
参考文献
第2章 基于深度学习的风力发电机组机械故障智能辨识与诊断
2.1 风电机组智能辨识与诊断需求
2.2 风电机组故障诊断技术现状与趋势