Livraison gratuite à partir de 69.99 euros.

Vérifier l'état de la commande

Accédez à une communauté d'amateurs de livres à travers le monde et bénéficiez d’une panoplie d'avantages. Créer un compte gratuitement

Livraison gratuite avec Zásilkovna à partir de 69.99 €

Coursier DPD 5.99 € Point Bpost 7.99 € Bpost 7.49 € Point DPD 3.49 € Service de messagerie GLS 4.99 €

Contact

Comment faire ses achats

Assistance

Mon compte

▸ Vide :-(

Livraison gratuite à partir de 69.99 euros.

Data-driven Optimization and Control for Autonomous Energy Systems

Name: Data-driven Optimization and Control for Autonomous Energy Systems
Brand: Springer-Verlag GmbH
SKU: 49358320
Price: 164.2 EUR
Availability: InStock
Author: Jian Sun
ISBN: 9789819517817

Jian Sun

Jie Chen

Langue

Anglais

Livre Livre relié

Code Libristo: 49358320

Éditeurs Springer-Verlag GmbH, novembre 2025

This book introduces a pioneering framework for monitoring and controlling autonomous energy systems... Description détaillée

Code Libristo: 49358320

398 b

164.20 €

Stockage externe Expédition sous 10-13 jours

Jusqu'à 30 jours pour les retours

Les clients ont également acheté

Das Verständnis der Buße in der "Confessio Augustana" und ihre mystische Dimension Julia Elisabeth Shanks

Livre de poche

16.14 €

ITINERAIRES D'UN THEATRE AMBULANT (1870-1914) Lazare

Livre de poche

18.26 €

Le paysan: actes du 2ème colloque d'Aurillac, 2-4 juin 1988 collegium

Livre de poche

35.62 €

SO SINGEN DIE VOLKER DER ERDE 6 CHANT KURT PAHLEN Livre

binding.

7.26 €

In Stahlgewittern Ernst Junger

Adobe ePub DRM

20.88 €

Trick Play - Touchdown ins Herz Lisa Schnack

Livre de poche

14.83 €

mare non aspetta. Viaggio emotivo in Norvegia Valentina Fortichiari

Livre de poche

21.39 €

Peppa Pig: ?Feliz Cumplea?os! (Happy Birthday!) Annie Auerbach

Livre de poche

5.44 €

Project Silence, 1 UHD-Blu-ray + Blu-ray (2-Disc Limited SteelBook) Kim Tae-gon

Blu-ray

37.94 €

This book introduces a pioneering framework for monitoring and controlling autonomous energy systems, distinguished by its use of physics-informed deep neural networks. These networks provide accurate estimations and forecasts, interlacing with advanced composite optimization algorithms to simplify the complex processes of state estimation. This approach not only boosts operational efficiency but also maximizes flexibility through a data-driven methodology integrated with physics-based principles. The framework leverages the power of neural networks to define the intricate relationship between system states and control policies, offering precise, robust control strategies that adapt to dynamically changing system conditions. This book is essential reading for professionals looking to enhance the performance and flexibility of energy systems through cutting-edge technology.