Li / Du

Deep Learning for Power System Applications

Case Studies Linking Artificial Intelligence and Power Systems

Springer International Publishing

ISBN 978-3-031-45357-1

Standardpreis


117,69 €

sofort lieferbar!

Preisangaben inkl. MwSt. Abhängig von der Lieferadresse kann die MwSt. an der Kasse variieren. Weitere Informationen

Bibliografische Daten

eBook. PDF. Weiches DRM (Wasserzeichen)

2023

XII, 101 p. 32 illus., 30 illus. in color..

In englischer Sprache

Umfang: 101 S.

Verlag: Springer International Publishing

ISBN: 978-3-031-45357-1

Weiterführende bibliografische Daten

Das Werk ist Teil der Reihe: Power Electronics and Power Systems

Produktbeschreibung

This book provides readers with an in-depth review of deep learning-based techniques and discusses how they can benefit power system applications. Representative case studies of deep learning techniques in power systems are investigated and discussed, including convolutional neural networks (CNN) for power system security screening and cascading failure assessment, deep neural networks (DNN) for demand response management, and deep reinforcement learning (deep RL) for heating, ventilation, and air conditioning (HVAC) control.
Deep Learning for Power System Applications: Case Studies Linking Artificial Intelligence and Power Systems is an ideal resource for professors, students, and industrial and government researchers in power systems, as well as practicing engineers and AI researchers.
  • Provides a history of AI in power grid operation and planning;
  • Introduces deep learning algorithms and applications in power systems;
  • Includes several representative case studies.

Autorinnen und Autoren

Produktsicherheit

Hersteller

Springer Nature Customer Service Center GmbH

ProductSafety@springernature.com

Topseller & Empfehlungen für Sie

Ihre zuletzt angesehenen Produkte

Rezensionen

Dieses Set enthält folgende Produkte:
    Auch in folgendem Set erhältlich:

    • Produktempfehlungen personalisieren

      Ihre Vorteile:

      • Empfehlungen basierend auf ihren Interessen
      • Zeitersparnis durch passende Vorschläge

      Mehr informationen zu , , und

      Die ersten personalisierten Empfehlungen erhalten Sie nach zwei bis drei Klicks.

      Sie können diese Zustimmung zu einem späteren Zeitpunkt unproblematisch über die Datenschutz-Einstellungen wieder zurückziehen.

      nach oben

      Ihre Daten werden geladen ...