Big Data Application in Power Systems
Editat de Reza Arghandeh, Yuxun Zhouen Limba Engleză Paperback – 27 noi 2017
Observăm că volumul Big Data Application in Power Systems se deschide cu o resursă esențială pentru inginerii moderni: un ghid pas cu pas pentru utilizarea analiticii de date în diagnosticarea și controlul sistemelor energetice. Această a doua ediție, publicată de ELSEVIER SCIENCE sub coordonarea editorilor Reza Arghandeh și Yuxun Zhou, pune la dispoziția specialiștilor metode concrete de procesare a datelor eterogene și spatiotemporale, esențiale pentru digitalizarea rețelelor de distribuție.
Structura volumului este organizată progresiv pentru a facilita tranziția de la teorie la execuție. Prima secțiune analizează transformarea companiilor de utilități în entități „data-driven”, abordând provocările de securitate și confidențialitate. Secțiunea a doua explorează soluții tehnice avansate, cum ar fi detectarea topologiei rețelei prin Machine Learning și utilizarea rețelelor neuronale de tip graf (Graph Neural Networks) pentru analiza evenimentelor din sistem. Ultima parte este dedicată studiilor de caz și depanării proiectelor, oferind perspective practice asupra optimizării la marginea rețelei (grid-edge).
În ceea ce privește contextul academic și profesional, abordarea diferă de Data Science and Applications for Modern Power Systems prin faptul că este mai puțin abstractă și mult mai aplicabilă în operarea zilnică a rețelelor. Dacă titluri precum Big Data Analytics Framework for Smart Grids se concentrează pe cadrele generale de lucru, volumul de față prioritizează algoritmii specifici, cum ar fi Transfer Learning pentru predicția stabilității, făcându-l un instrument tehnic riguros pentru inginerii de sistem și dezvoltatorii de tehnologii avansate pentru smart grids.
Preț: 510.22 lei
Preț vechi: 693.81 lei
-26%
Carte tipărită la comandă
Livrare economică 19 mai-02 iunie
Specificații
ISBN-10: 0128119683
Pagini: 480
Dimensiuni: 191 x 235 x 31 mm
Greutate: 0.93 kg
Editura: ELSEVIER SCIENCE
Public țintă
Engineers, scientists, professionals future electric grid, researchers, graduate students, lecturers in electricity network and smart grid area, data analysis experts, developers in electricity networks and advanced technologies for smart grids,De ce să citești această carte
Găsim în această carte un instrument de lucru indispensabil pentru inginerii energetici și experții în analiză de date care doresc să implementeze soluții de Machine Learning în infrastructura electrică. Cititorul câștigă acces la strategii noi pentru decarbonizarea rețelelor și gestionarea incertitudinii, beneficiind de expertiza globală actualizată cu cele mai recente cercetări în domeniul rețelelor neuronale și al protecției datelor.
Cuprins
A. Introduction B. Monitoring and Data Aquisition in Power Systems C. Data-Enriched Farmeworks for Smart Grid Management D. Statistical Learning Methods for Smart Grid Applications E. Present Practice for Big Data Analysis in Power Systems F. Big Data for Power System Sustainability, Security and Resiliance E. Utilities and Big Data F. Future Trends for Big Data Application In Smart Grids
Descriere
Big Data Application in Power Systems brings together experts from academia, industry and regulatory agencies who share their understanding and discuss the big data analytics applications for power systems diagnostics, operation and control. Recent developments in monitoring systems and sensor networks dramatically increase the variety, volume and velocity of measurement data in electricity transmission and distribution level. The book focuses on rapidly modernizing monitoring systems, measurement data availability, big data handling and machine learning approaches to process high dimensional, heterogeneous and spatiotemporal data. The book chapters discuss challenges, opportunities, success stories and pathways for utilizing big data value in smart grids.
- Provides expert analysis of the latest developments by global authorities
- Contains detailed references for further reading and extended research
- Provides additional cross-disciplinary lessons learned from broad disciplines such as statistics, computer science and bioinformatics
- Focuses on rapidly modernizing monitoring systems, measurement data availability, big data handling and machine learning approaches to process high dimensional, heterogeneous and spatiotemporal data