新書推薦：
《
努斯：希腊罗马哲学研究（第6辑）--逻辑、同异与辩证法
》
售價：HK$
81.6
《
碳交易与碳金融基础（彭玉镏）
》
售價：HK$
57.6
《
当下的骰子--福柯的光与影
》
售價：HK$
105.6
《
数字经济蓝皮书：全球数字经济竞争力发展报告（2023）
》
售價：HK$
189.6
《
中国燃料电池汽车产业实践：政策、技术、建议及展望 中国汽车技术研究中心有限公司
》
售價：HK$
165.6
《
烘焙星球 阿木的手作烘焙日记
》
售價：HK$
105.6
《
WebGIS原理及开发——基于开源框架的WebGIS技术
》
售價：HK$
94.8
《
舵手证券图书 周期与龙头 A股剑客著 解密龙头股周期性循环 游资操盘手法实战解读
》
售價：HK$
201.6
|
| 內容簡介： |
|
《综合能源系统中的智能控制与优化技术》围绕综合能源系统，全面分析综合能源系统目前所面临的实际问题并设计相关智能控制算法与优化技术。《综合能源系统中的智能控制与优化技术》共7章，第1章为绪论；第2章、第3章及第4章分别从多智能体协同控制、优化调度及能量管理方面介绍综合能源系统的智能控制策略；第5章和第6章介绍综合能源系统的优化技术，主要包括电力负荷预测优化技术和综合能源系统供能侧非侵入式负荷识别优化技术；第7章介绍需求响应在综合能源系统中的应用。
|
| 目錄：
|
目录
前言
第1章 绪论 1
1.1 我国能源资源现状分析 1
1.2 综合能源系统发展的必要性 3
1.3 国内外的综合能源系统发展 4
1.3.1 美国 4
1.3.2 加拿大 5
1.3.3 日本 5
1.3.4 中国 6
1.4 综合能源系统的优势 7
1.5 综合能源系统的结构 9
1.5.1 能源集线器的基本结构 9
1.5.2 综合能源系统中的能量网络 10
1.5.3 综合能源系统的稳定性 11
1.6 控制理论在综合能源系统中的发展历程 12
1.7 控制理论在综合能源系统中的应用 13
1.7.1 鲁棒控制在综合能源系统中的应用 13
1.7.2 深度学习与强化学习在综合能源系统中的应用 14
1.7.3 模糊控制在综合能源系统中的应用 15
1.7.4 滑模控制在综合能源系统中的应用 18
参考文献 19
第2章 多智能体协同控制在综合能源系统中的应用 21
2.1 基于综合能源的多智能体系统微电网模型建立 21
2.2 多智能体协同控制技术的基本原理 24
2.2.1 图论基础 24
2.2.2 多智能体一致性协议的相关定理 25
2.3 并网运行模式下微电网系统协同控制率的设计 27
2.3.1 面向可再生能源的微电网概述 27
2.3.2 微电网系统并网的必要性 28
2.3.3 并网下协同控制率的设计 29
2.4 孤岛运行模式下微电网系统协同控制率的设计 30
2.4.1 孤岛运行的必要性 30
2.4.2 孤岛运行的三种模式 30
2.4.3 孤岛运行模式下协同控制率的设计 32
参考文献 32
第3章 综合能源系统优化调度策略研究 34
3.1 深度强化学习在综合能源系统中的研究现状 34
3.2 综合能源系统优化调度基础理论分析 35
3.2.1 综合能源系统概念 36
3.2.2 综合能源系统的基本模型及建模 38
3.3 综合能源系统优化调度策略研究 43
3.3.1 深度强化学习理论 43
3.3.2 综合能源系统优化调度的策略设计 47
3.3.3 仿真分析 48
参考文献 53
第4章 综合能源系统能量管理研究 55
4.1 综合能源系统能量管理研究现状 55
4.1.1 国外研究现状 55
4.1.2 国内研究现状 57
4.2 多目标优化算法在综合能源系统中的应用 58
4.2.1 传统多目标算法 58
4.2.2 多目标优化算法 59
4.3 改进的快速非支配排序遗传算法 在能量管理中的应用 61
4.4 综合能源系统多目标优化仿真分析 62
4.4.1 综合能源系统在独立运行时的优化分析 62
4.4.2 综合能源系统在并网运行时的优化分析 70
参考文献 74
第5章 综合能源系统电力负荷预测优化技术 76
5.1 电力负荷预测发展历程与现状 76
5.2 电力负荷预测基本理论与特性分析 77
5.2.1 电力负荷基本概念 77
5.2.2 电力负荷预测原理 78
5.2.3 电力负荷预测程序 79
5.2.4 电力负荷预测特性分析 81
5.2.5 负荷预测分类 81
5.2.6 负荷预测特点 83
5.2.7 负荷预测精度影响与误差分析 83
5.3 电力负荷预测算法研究 86
5.3.1 基于灰色系统理论的预测算法 86
5.3.2 基于BP神经网络的预测算法 91
5.3.3 基于回归分析的预测算法 92
5.4 综合能源系统电力负荷预测算法改进与应用 93
5.4.1 预测模型分析 93
5.4.2 负荷组合模型因素分析 94
5.4.3 常用负荷组合预测模型 95
5.4.4 粒子群优化算法 95
5.4.5 改进粒子群优化算法 97
5.4.6 基于改进粒子群优化算法的短期负荷预测模型设计 99
5.4.7 应用算例分析 100
参考文献 104
第6章 基于混合神经网络的综合能源系统供能侧非侵入式负荷识别优化技术 105
6.1 区域综合能源系统非侵入式应用 105
6.2 非侵入式负荷识别算法 106
6.2.1 非侵入式负荷监测概述 106
6.2.2 非侵入式负荷识别算法研究现状 108
6.3 传统神经网络负荷识别 109
6.3.1 传统神经网络 109
6.3.2 循环神经网络 111
6.3.3 长短期记忆神经网络 112
6.4 区域综合能源系统混合神经网络的优化 114
6.5 混合神经网络优化算法在负荷识别中的应用 115
6.5.1 仿真实验 115
6.5.2 实验结果及分析 116
6.6 区域综合能源供能侧的预测分析 119
参考文献 119
第7章 需求响应在综合能源系统中的应用 121
7.1 需求响应的理论基础 121
7.1.1 需求响应的基本概念 121
7.1.2 需求侧管理的作用 121
7.1.3 需求侧管理的特点 122
7.1.4 综合能源系统中的综合需求响应 122
7.2 需求响应在综合能源系统中的障碍及解决方案 123
7.2.1 国内需求响应现状 123
7.2.2 当前需求响应发展的资金障碍分析 125
7.2.3 需求响应发展的技术障碍分析 126
7.2.4 需求响应发展的机制障碍 127
7.3 综合能源系统下需求响应的运营方式 127
7.4 发展综合能源互联网的策略 128
7.4.1 电力市场的需求弹性 128
7.4.2 我国电力市场环境下发展能源互联网的策略 129
7.5 计及需求响应的综合能源发展市场 130
参考文献 133
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
