Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Distributionally Robust Optimization and its Applications in Power System Energy Storage Sizing

Rui Xie, Wei Wei (Broschiert, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book introduces the mathematical foundations of distributionally robust optimization (DRO) for decision-making problems with ambiguous uncertainties and applies them to tackle the critical challenge of energy storage sizing in renewable-integrated power systems, providing readers with an efficient and reliable approach to analyze and design real-world energy systems with uncertainties.    Covering a diverse range of topics, this book starts by exploring the necessity for energy storage in evolving power systems and examining the benefits of employing distributionally robust optimization. Subsequently, the cutting-edge mathematical theory of distributionally robust optimization is presented, including both the general theory and moment-based, KL-divergence, and Wasserstein-metric distributionally robust optimization theories. The techniques are then applied to various practical energy storage sizing scenarios, such as stand-alone microgrids, large-scale renewable power plants, bulk power grids, and multi-carrier energy networks.   This book offers clear explanations and accessible guidance to bridge the gap between advanced optimization methods and industrial applications. Its interdisciplinary scope makes the book appealing to researchers, graduate students, and industry professionals working in electrical engineering and operations research, catering to both beginners and experts.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 171,19 €
Derzeit nicht verfügbar

Du kannst wie immer einen Kaufalarm setzen, wenn du auf das gebrauchte Buch warten möchtest.

Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
24.05.2025
Sprache
Englisch
EAN
9789819725687
Herausgeber
Springer Singapore
Sonderedition
Nein
Autor
Rui Xie, Wei Wei
Seitenanzahl
452
Einbandart
Broschiert
Schlagwörter
Distributionally Robust Optimization, Energy Storage Sizing, Data-driven Robust Optimization, Energy Storage Capacity, Energy Storage Planning, Battery Planning, Robust Chance Constraint, Wasserstein-metric Ambiguity Set, KL-divergence Ambiguity Set
Thema-Inhalt
THR - Elektrotechnik PBWH - Mathematische Modellierung TBJ - Mathematik für Ingenieure KJT - Unternehmensforschung KJMD - Management: Entscheidungstheorie
Höhe
235 mm
Breite
15.5 cm

Hersteller: Springer Nature Customer Service Center GmbH, ProductSafety@springernature.com

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!