Application of Machine Learning and Deep Learning Methods to Power System Problems / Nazari-Heris, Morteza ; Asadi, Somayeh ; Mohammadi-Ivatloo, Behnam ; Abdar, Moloud ; Jebelli, Houtan ; Sadat-Mohammadi, Milad  

Público ISBD Ningún comentario para este registro. Título : Application of Machine Learning and Deep Learning Methods to Power System Problems Tipo de documento: documento electrónico Autores: Nazari-Heris, Morteza, ; Asadi, Somayeh, ; Mohammadi-Ivatloo, Behnam, ; Abdar, Moloud, ; Jebelli, Houtan, ; Sadat-Mohammadi, Milad, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: IX, 391 p. 120 ilustraciones ISBN/ISSN/DL: 978-3-030-77696-1 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Distribución de energía eléctrica  Electric power production  Aprendizaje automático  La política energética  Energía y estado  Redes y redes energéticas  Ingeniería de Energía Eléctrica  Política  Economía y Gestión Energética Índice Dewey: 321.319 Resumen: Este libro evalúa el papel del aprendizaje automático innovador y los métodos de aprendizaje profundo para abordar los problemas de los sistemas de energía, concentrándose en desarrollos y avances recientes que mejoran la planificación, la operación y el control de los sistemas de energía. Los estudios de casos de vanguardia de todo el mundo consideran la predicción, la clasificación, la agrupación y la detección de fallas/eventos en sistemas de energía, proporcionando soluciones efectivas y prometedoras para muchos desafíos novedosos que enfrentan los operadores de sistemas de energía. Escrito por destacados expertos, el libro será un recurso ideal para investigadores e ingenieros que trabajan en las comunidades de ingeniería de energía eléctrica y planificación de sistemas de energía, así como para estudiantes de cursos avanzados de posgrado. Ofrece métodos innovadores de aprendizaje automático y aprendizaje profundo para abordar problemas del sistema de energía; Proporciona metodologías de solución prometedoras; Cubre antecedentes teóricos y análisis experimentales. Nota de contenido: Chapter 1. Power System Challenges and Issues -- Chapter 2. Introduction and literature review of power system challenges and issues -- Chapter 3. Machine learning and power system planning: opportunities, and challenges -- Chapter 4. Introduction to Machine Learning Methods in Energy Engineering -- Chapter 5. Introduction and Literature Review of the Application of Machine Learning/Deep Learning to Control Problems of Power Systems -- Chapter 6. Introduction and literature review of the application of machine learning/deep learning to load forecasting in power system -- Chapter 7. A Survey of Recent particle swarm optimization (PSO)-Based Clustering Approaches to Energy Efficiency in Wireless Sensor Networks -- Chapter 8. Clustering in Power Systems Using Innovative Machine Learning/Deep Learning Methods -- Chapter 9. Voltage stability assessment in power grids using novel machine learning-based methods -- Chapter 10. Evaluation and Classification of cascading failure occurrence potential dueto line outage -- Chapter 11. LSTM-Assisted Heating Energy Demand Management in Residential Buildings -- Chapter 12. Wind Speed Forecasting Using Innovative Regression Applications of Machine Learning Techniques -- Chapter 13. Effective Load Pattern Classification by Processing the Smart Meter Data Based on Event-Driven Processing and Machine Learning -- Chapter 14. Prediction of Out-of-step Condition for Synchronous Generators Using Decision Tree Based on the Dynamic data by WAMS/PMU -- Chapter 15. The adaptive neuro-fuzzy inference system model for short-term load, price and topology forecasting of distribution system -- Chapter 16. Application of Machine Learning for Predicting User Preferences in Optimal Scheduling of Smart Appliances -- Chapter 17. Machine Learning Approaches in a Real Power System and Power Markets. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Application of Machine Learning and Deep Learning Methods to Power System Problems [documento electrónico] / Nazari-Heris, Morteza, ; Asadi, Somayeh, ; Mohammadi-Ivatloo, Behnam, ; Abdar, Moloud, ; Jebelli, Houtan, ; Sadat-Mohammadi, Milad,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - IX, 391 p. 120 ilustraciones. ISBN : 978-3-030-77696-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Distribución de energía eléctrica  Electric power production  Aprendizaje automático  La política energética  Energía y estado  Redes y redes energéticas  Ingeniería de Energía Eléctrica  Política  Economía y Gestión Energética Índice Dewey: 321.319 Resumen: Este libro evalúa el papel del aprendizaje automático innovador y los métodos de aprendizaje profundo para abordar los problemas de los sistemas de energía, concentrándose en desarrollos y avances recientes que mejoran la planificación, la operación y el control de los sistemas de energía. Los estudios de casos de vanguardia de todo el mundo consideran la predicción, la clasificación, la agrupación y la detección de fallas/eventos en sistemas de energía, proporcionando soluciones efectivas y prometedoras para muchos desafíos novedosos que enfrentan los operadores de sistemas de energía. Escrito por destacados expertos, el libro será un recurso ideal para investigadores e ingenieros que trabajan en las comunidades de ingeniería de energía eléctrica y planificación de sistemas de energía, así como para estudiantes de cursos avanzados de posgrado. Ofrece métodos innovadores de aprendizaje automático y aprendizaje profundo para abordar problemas del sistema de energía; Proporciona metodologías de solución prometedoras; Cubre antecedentes teóricos y análisis experimentales. Nota de contenido: Chapter 1. Power System Challenges and Issues -- Chapter 2. Introduction and literature review of power system challenges and issues -- Chapter 3. Machine learning and power system planning: opportunities, and challenges -- Chapter 4. Introduction to Machine Learning Methods in Energy Engineering -- Chapter 5. Introduction and Literature Review of the Application of Machine Learning/Deep Learning to Control Problems of Power Systems -- Chapter 6. Introduction and literature review of the application of machine learning/deep learning to load forecasting in power system -- Chapter 7. A Survey of Recent particle swarm optimization (PSO)-Based Clustering Approaches to Energy Efficiency in Wireless Sensor Networks -- Chapter 8. Clustering in Power Systems Using Innovative Machine Learning/Deep Learning Methods -- Chapter 9. Voltage stability assessment in power grids using novel machine learning-based methods -- Chapter 10. Evaluation and Classification of cascading failure occurrence potential dueto line outage -- Chapter 11. LSTM-Assisted Heating Energy Demand Management in Residential Buildings -- Chapter 12. Wind Speed Forecasting Using Innovative Regression Applications of Machine Learning Techniques -- Chapter 13. Effective Load Pattern Classification by Processing the Smart Meter Data Based on Event-Driven Processing and Machine Learning -- Chapter 14. Prediction of Out-of-step Condition for Synchronous Generators Using Decision Tree Based on the Dynamic data by WAMS/PMU -- Chapter 15. The adaptive neuro-fuzzy inference system model for short-term load, price and topology forecasting of distribution system -- Chapter 16. Application of Machine Learning for Predicting User Preferences in Optimal Scheduling of Smart Appliances -- Chapter 17. Machine Learning Approaches in a Real Power System and Power Markets. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200