研究意义：

       随着全球能源互联网和智能电网的快速发展，用户侧电能精细化管理成为电网需求侧建设的关键。非侵入式负荷监测技术仅通过在总线处安装监测设备对电压、电流等聚合数据进行深度解析，实现对内部各用电设备运行状态及能耗的精准感知，成为实现智慧用电、需求侧响应及负荷预测的核心技术。非侵入式负荷监测技术在节能减排领域，通过对设备进行精细化监测实现设备健康管理与预测性维护，通过合理调度实现节能；在运维安全领域，通过捕捉到正常负载中夹杂的微弱谐波畸变，实现电气安全监测与防火预警；在电网需求响应领域，通过聚合可调控负荷，实现主配协同，支撑电网运行安全。
 

研究内容：

      1) 高频特征提取与信号处理技术
      2) 能量分解技术
      3) 迁移学习泛化应用技术
      4) 能耗优化与用电行为分析技术
成果情况：

     1) 已在《IEEE Transactions on Instrumentation and Measurement》等国际顶级期刊及会议发表论文10余篇。
     2) 相关研究成果开展智慧家庭能源管理系统（HEMS）及电气火灾故障检测相关应用。

研究意义：

       随着人工智能尤其是深度学习的快速发展，传统冯·诺依曼计算架构在能耗、数据传输与并行处理等方面的瓶颈日益凸显，难以满足边缘智能对高效、实时与自适应计算的   需求。本研究面向这一挑战，探索以忆阻器为核心的神经形态计算架构，通过“存储—计算一体化”的方式，在硬件层面模拟人脑神经系统中学习、记忆与信息处理的协同机制，并构建具有多尺度动态特性的类脑神经网络模型，使系统具备类似生物智能的自适应与演化能力。相关研究有望突破传统人工智能依赖高算力与高能耗的发展路径，推动智能计算向高效、低功耗、类脑化的新范式演进，为新一代边缘智能计算系统的发展提供重要支撑。
 

研究内容：

      1）忆阻神经元建模与非线性动力学行为研究
      2）神经元耦合机制与链式传导动力学分析
      3）忆阻神经网络构建与类脑信息处理机制实现
      4）面向边缘智能的忆阻神经形态计算架构与系统级协同优化
      5）类脑神经网络计算机制研究

成果情况：
      1）已经在《Chaos, Solitons & Fractals》《Nonliear Dynamic》《Neurocomputing》等国际期刊发表论文20余篇，授权发明专利4项；
      2）相关研究得到国家自然科学基金（编号：52077160）资助。

研究意义：

        复杂网络是一个包含大量个体且个体之间存在复杂连接关系的系统，其行为呈现出高度的复杂性；通过对复杂网络行为的研究能够揭示现实中各物理现象，为现实世界中各复杂网络系统的动力学行为研究提供理论支撑，为复杂网络的实际应用提供有益借鉴和参考。

研究内容：

        本课题研究内容包括整数阶、分数阶复杂动态网络的可控性、同步及辨识研究，尤其是在存在噪声、时滞及参数不确定性等非理想状态下的复杂动态行为研究。

成果情况：

       本课题已在国际期刊《Nonlinear Dynamic》《Physica Scripta 》《Nonlinear Analysis: Real World Applications》《Communications in Nonlinear Science and Numerical Simulation》《Chinese Physics B》等发表SCI论文十余篇。

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。