校内登录
研究意义：
高比例新能源并网带来了极强的源荷不确定性与海量高维复杂数据，传统确定性机理模型难以有效应对。利用人工智能前沿技术，能够深度挖掘多源异构数据中的隐性时空演化规律。这不仅突破了传统解析方法的瓶颈，更为新型电力系统的安全稳定运行、装备状态精准感知与微网协同规划提供了核心的量化决策支撑。
研究内容：
1）高维异构监测数据的智能重构与质量修复
2）复杂工况下新能源出力的精细化预测
3）机理与数据双驱动的核心装备状态智能监测
4）计及源荷不确定性的新能源微网多目标规划
研究成果：
1）已经在《Applied Energy》、《IEEE Transactions on Automation Science and Engineering》、《IEEE Transactions on Instrumentation and Measurement》、《西安交通大学学报》、《Journal of Renewable and Sustainable Energy》等期刊发表10余篇论文。
2）相关研究成果已在新能源电站开展新能源预测与消纳分析示范应用。
