●第一部分理論篇
第1章人工智能技術
1.1人工智能技術簡介
1.2人工神經網絡
1.2.1人工神經網絡簡介
1.2.2人工神經網絡基本結構
1.3卷積神經網絡
1.3.1卷積神經網絡簡介
1.3.2卷積神經網絡基本結構
1.3.3幾種典型的卷積神經網絡
1.4循環神經網絡
1.4.1循環神經網絡簡介
1.4.2循環神經網絡基本結構
1.4.3循環神經網絡的輸出層
1.4.4循環神經網絡的參數優化
1.4.5長短期記憶網絡
1.5生成對抗神經網絡
1.5.1生成對抗神經網絡簡介
1.5.2生成對抗神經網絡的訓練原理
1.5.3生成對抗神經網絡的經典模型
1.5.4生成對抗神經網絡模型的評價指標
1.5.5其他類型的生成模型
1.6圖網絡
1.6.1圖的簡介
1.6.2圖數據應用場景
1.6.3圖嵌入
1.6.4圖卷積神經網絡
1.7強化學習
1.7.1強化學習基本概念
1.7.2強化學習算法介紹
1.7.3強化學習實驗環境
1.7.4強化學習和深度學習
參考文獻
第二部分基於人工智能的故障診斷技術
第1章基於深度學習的風機葉片覆冰故障檢測
1.1應用背景
1.2基於深度學習的風機葉片覆冰故障檢測整體框架
1.3基於深度學習的風機葉片覆冰故障檢測方法
1.3.1數據處理
1.3.2特征提取
1.3.3算法簡介
1.4基於深度學習的風機葉片覆冰故障檢測整體模型與算例分析
1.4.1算例背景
1.4.2算例分析
1.4.3對比分析
1.5本章小結
參考文獻
第2章基於深度學習的風力發電機組機械故障智能辨識與診斷
2.1風電機組智能辨識與診斷需求
2.2風電機組故障診斷技術現狀與趨勢
2.2.1風電機組故障診斷主要方式與檢測信號
2.2.2風電機組機械振動信號檢測與分析方法
2.2.3風電機組機械故障辨識與診斷技術的發展趨勢
2.3風電機組軸承故障機理特性分析
2.3.1軸承部件分布與結構特征
2.3.2軸承部件失效原因分析
2.3.3軸承部件故障信號特征
2.4基於卷積神經網絡的風電機組軸承故障診斷
2.4.1基於CNN的故障辨識和診斷流程
2.4.2算例應用與結果分析
2.5基於多標簽分類的風電機組軸承復合故障診斷
2.5.1軸承部件復合故障與診斷
2.5.2基於多標簽分類的診斷方法
2.5.3算例應用與結果分析
2.6本章小結
參考文獻
第3章基於深度學習的柔直線路故障測距
3.1高壓直流輸電線路行波分析
3.1.1行波的產生和傳播
3.1.2行波的折反射
3.2基於堆疊式自編碼器的柔直線路故障測距
3.2.1堆疊式自編碼器
……
第三部分基於人工智能的模式識別和預測技術
第四部分基於人工智能的控制和優化技術
第五部分展望篇

本書繫統地闡述了人工智能與電氣應用的理論基礎及應用實踐。全書共分為五部分，分別為理論篇、基於人工智能的故障診斷技術、基於人工智能的模式識別和預測技術、基於人工智能的控制和優化技術以及展望篇。第一部分介紹人工智能技術的理論基礎。第二部分介紹風機葉片覆冰故障檢測技術、電網故障診斷技術、電力設備圖像識別技術等方面的人工智能故障診斷技術。第三部分介紹電力指紋負荷識別技術、配電網可靠性評估技術、智能電網信息繫統的假數據侵入識別技術、臺風災害下架空輸電線路損毀預測技術等方面的人工智能模式識別和預測技術。第四部分介紹雙有源全橋直流變換器效率優化技術、電力電子變換器實時控制技術、電網有功無功優化調度技術、配電網檢修決策技術、多目標潮流優化控制技術與實踐、混合能源繫統優化技術等方面的人工智能控制和優化技術。第五部分分析並展望未來人工智能在電氣工程中的應用前景。本書內容翔實，層次結構合理、清晰，對人工智能與電等