Artificial Intelligence Techniques in Power Systems Operations and Analysis
System elektroenergetyczny składa się z dużej liczby podsystemów wytwarzania, przesyłu i dystrybucji. Jest to bardzo duży i złożony system, dlatego jego instalacja i zarządzanie są bardzo trudnymi zadaniami. System elektryczny jest zasadniczo bardzo dużą siecią z bardzo dużymi zestawami danych. Obsługa tych zestawów danych może wymagać dużo czasu na analizę, a następnie wdrożenie. System elektryczny jest niezbędny, ale także potencjalnie bardzo niebezpieczny, jeśli nie jest prawidłowo obsługiwany i kontrolowany. Zapotrzebowanie na energię elektryczną stale rośnie, więc utrzymanie popytu na obciążenie bez przeciążania systemu stwarza wyzwania i trudności.
Dlatego też planowanie, instalacja, obsługa i kontrola tak dużego systemu wymaga nowych technologii. Aplikacje sztucznej inteligencji (AI) mają wiele kluczowych funkcji, które mogą wspierać system energetyczny i obsługiwać ogólne operacje systemu energetycznego. Aplikacje oparte na sztucznej inteligencji mogą zarządzać dużymi zbiorami danych związanymi z systemem energetycznym. Mogą również pomóc w projektowaniu elektrowni, modelowaniu układów instalacji, optymalizacji wysyłki obciążenia i szybkim reagowaniu na aparaturę kontrolną. Aplikacje te i ich techniki odniosły sukces w wielu obszarach inżynierii systemów energetycznych.
Artificial Intelligence Techniques in Power Systems Operations and Analysis koncentruje się na różnych wyzwaniach pojawiających się w systemach elektroenergetycznych oraz na tym, w jaki sposób techniki sztucznej inteligencji pomagają sprostać tym wyzwaniom. Analizuje ważne obszary analizy systemu elektroenergetycznego i wdrażanie technik analizy opartych na sztucznej inteligencji. Książka pomaga naukowcom i badaczom zrozumieć, w jaki sposób sztuczna inteligencja może być wykorzystywana do bardziej wydajnego działania. Wyjaśniono wiele technik sztucznej inteligencji i ich zastosowanie. Przedstawiono również odpowiednie zestawy danych i studia przypadków.
Najważniejsze z nich to
⬤ Poprawa jakości energii przez PV-UPQC dla obciążeń nieliniowych.
⬤ Zarządzanie energią w nanosieci poprzez głębokie uczenie się ze środowisk IoT.
⬤ Rola sztucznej inteligencji i uczenia maszynowego w systemach zasilania z wykrywaniem i diagnostyką błędów.
⬤ Techniki optymalizacji mocy AC.
⬤ Techniki sztucznej inteligencji i uczenia maszynowego w automatyzacji systemów elektroenergetycznych.
