人工智能在新能源發(fā)電系統(tǒng)中的應(yīng)用

第1章新能源發(fā)電系統(tǒng)概述
1.1新能源發(fā)電系統(tǒng)技術(shù)
1.2儲能系統(tǒng)技術(shù)
第2章 人工智能算法概述
2.1啟發(fā)式算法
2.2 神經(jīng)網(wǎng)絡(luò)算法.
2.3強(qiáng)化學(xué)習(xí)算法
第3章人工智能在新能源發(fā)電系統(tǒng)功率預(yù)測中的應(yīng)用
3.1 概述
3.2基于LCASO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型
3.3 風(fēng)光發(fā)電系統(tǒng)數(shù)據(jù)預(yù)處理
3.4基于經(jīng)典算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的風(fēng)光發(fā)電系統(tǒng)功率預(yù)測
3.5基于LCASO-BP神經(jīng)網(wǎng)絡(luò)的風(fēng)光發(fā)電系統(tǒng)功率預(yù)測
第4章 人工智能在新能源發(fā)電系統(tǒng) 規(guī)劃中的應(yīng)用·
4.1概述
4.2新能源發(fā)電系統(tǒng)選址定容
4.3 儲能系統(tǒng)選址定容
第5章 人工智能在新能源發(fā)電系統(tǒng)參數(shù)識別中的應(yīng)用
5.1概述
5.2基于孔雀優(yōu)化算法的光伏電池參數(shù)辨識
5.3基于人工生態(tài)系統(tǒng)優(yōu)化算法-蝠鱗覓食優(yōu)化算法的固體氧化物燃料電池參數(shù)辨識
5.4基于極限學(xué)習(xí)機(jī)的質(zhì)子交換膜燃料電池參數(shù)辨識
第6章人工智能在新能源發(fā)電系統(tǒng) 重構(gòu)中的應(yīng)用
6.1概述
6.2基于改進(jìn)蛭蟒算法的光伏系統(tǒng)重構(gòu)方法
6.3基于禿鷹搜索算法的光伏系統(tǒng)重構(gòu)方法
6.4基于改進(jìn)免疫遺傳算法的溫差發(fā)電系統(tǒng)重構(gòu)方法
6.5基于改進(jìn)合作搜索算法的模塊化溫差發(fā)電系統(tǒng)重構(gòu)方法
第7章人工智能在新能源發(fā)電系統(tǒng) 功率點跟蹤中的應(yīng)用
7.1概述
7.2基于集體智慧的光伏系統(tǒng) 功率跟蹤
7.3基于模因強(qiáng)化學(xué)習(xí)的光伏系統(tǒng) 功率跟蹤
7.4基于集體智慧算法的集中式溫差發(fā)電系統(tǒng) 功率點跟蹤
7.5基于貪婪神經(jīng)網(wǎng)絡(luò)的集中式溫差發(fā)電系統(tǒng) 功率點跟蹤
第8章人工智能在新能源發(fā)電系統(tǒng)控制器調(diào)參中的應(yīng)用
8.1概述
8.2永磁同步發(fā)電機(jī)系統(tǒng)控制器調(diào)參
8.3雙饋感應(yīng)發(fā)電機(jī)系統(tǒng)控制器調(diào)參
8.4 風(fēng)機(jī)接入的多機(jī)電力系統(tǒng)控制器調(diào)參
8.5 儲能系統(tǒng)非線性控制器調(diào)參
第9章人工智能在新能源發(fā)電系統(tǒng)參與電網(wǎng)調(diào)頻和調(diào)壓中的應(yīng)用
9.1概述
9.2人工智能在新能源發(fā)電系統(tǒng)參與電網(wǎng)調(diào)頻中的應(yīng)用
9.3人工智能在新能源發(fā)電系統(tǒng)參與電網(wǎng)調(diào)壓中的應(yīng)用
參考文獻(xiàn)
后記