广大师生：

华南理工大学电力学院“海外优青分论坛”旨在面向全球邀请拥有不同学术背景的青年才俊，围绕国际科学前沿、热点研究领域以及行业产业的技术问题等展开探讨和交流。通过这个平台，互相启迪、开拓视野，增强国际交流与合作，促进双方共同发展。

一、论坛时间：2024年12月27日（星期五）

二、论坛地点：华南理工大学五山校区9号楼225报告厅

三、论坛议程

欢迎广大师生参加！

                                                 华南理工大学电力学院

                                                                                                                                                                                             2024年12月13日

附报告人及报告简介

学术报告1

报告人简介：谭本东，美国康涅狄格大学博士后研究员。分别于2017年、2020年在武汉大学电气工程学院获得学士和硕士学位，2024年8月在美国康涅狄格大学获得博士学位。主要研究方向是电力系统不确定性量化分析框架下的动态状态估计、惯量估计、负荷建模、风险评估等，已发表SCI期刊文章18篇（其中第一作者12篇）。曾获得留学生最高荣誉“国家优秀自费留学生奖学金”并入选为获奖代表。 也多次荣获领域旗舰会议PESGM最佳会议论文奖、领域旗舰期刊IEEE Transactions on Power Systems杰出审稿人等荣誉。学习与研究期间参与了期间多项美国能源部科研项目，多项成果在实际电网上应用。

报告题目：Data-Driven Uncertainty Quantification for Stochastic Power System: Dynamic System Modeling and Risk Assessment（数据驱动的随机电力系统不确定性量化分析：系统动态建模与风险评估）

内容摘要(英文)： With the increasing integration of renewable energy sources based on power electronic inverters into the grid, the operation of power systems faces growing uncertainty and complexity. This presentation introduces the main sources of uncertainty in power systems, the challenges these uncertainties pose to secure system operation, and the basic concepts of uncertainty quantification and analysis.  The focus will be on dynamic modeling (including offline dynamic load modeling and online inverter virtual inertia tracking) and risk assessment under renewable energy integration. It will explore how to quantify uncertainties in power systems to provide reliable analytical metrics for secure system operation.

内容摘要(中文)：随着大量基于电力电子逆变器的新能源接入电网，电力系统的运行面临着日益增加的不确定性和复杂性。本报告将介绍电力系统中不确定性的主要来源、这些不确定性对电力系统安全运行带来的挑战以及不确定性量化分析的基本概念。重点将围绕新能源接入电力系统下的动态建模（包括离线动态负荷建模和在线逆变器虚拟惯量追踪）和风险评估两方面，探讨如何对电力系统中的不确定性进行量化，从而为电力系统的安全运行提供可靠的分析指标。

学术报告2

报告人简介：仇大玮，英国埃克塞特大学讲师、帝国理工学院研究员，博士生导师。研究领域聚焦于多能源系统与电力市场机制的研究，重点解决多能源系统建模难、海量分布式多能源系统协同控制难、以低碳为导向的多能源市场机制制定难等的一系列难题。在相关领域已在国际权威期刊和会议上发表学术论文58篇。其中，以第一或通讯作者发表中科院一区Top期刊论文23篇，并在国际人工智能领域CCF-A类顶级会议IJCAI2021上发表1篇会议论文（接受率13.9%）。此外，作为项目负责人（独立PI）成功申请到账科研经费累计超过457万元人民币。 

报告题目：Trustworthy and Safe AI for Energy Systems（可信赖和安全的人工智能能源系统）

内容摘要(英文)：AI, like reinforcement learning (RL), opens new paths for energy system optimisation because it can manage complexity, adapt to real-time dynamics, handle vast amounts of data, and deal with uncertainty. Despite these advantages, the real-world application of AI in the energy sector—particularly in energy system optimisation—remains limited, largely due to the lack of safety guarantees and scalability in AI algorithms. These challenges test the ability of energy systems to make real-time decisions in a safe, scalable, and cost-effective manner. The critical question that emerges is: How AI can assist energy systems in achieving real-time, cost-effective optimisation while addressing the complexities of physical constraints and scalability in a secure and efficient manner? One viable approach lies in the adoption of Trustworthy AI, which prioritises safety, scalability, and strict adherence to operational constraints. The intrinsic motivation behind this approach is to build confidence in AI's ability to solve energy system optimisations in a safe and scalable manner.

内容摘要(中文)：人工智能技术，比如强化学习，为能源系统优化开辟了新的途径，因为它能够管理复杂性、适应实时动态、处理大量数据并应对不确定性。尽管具有这些优势，但人工智能技术在能源领域的实际应用（尤其是在能源系统优化方面的应用）仍然有限，这主要是由于人工智能算法缺乏安全性和可扩展性保证。这些挑战考验着能源系统在安全、可扩展和成本有效的前提下进行实时决策的能力。关键的问题是：如何在确保安全和高效的前提下，利用人工智能技术协助能源系统实现实时、成本有效的优化，并应对物理约束和可扩展性方面的复杂性？一种可行的方法是采用可信赖的人工智能技术，它将安全性、可扩展性和严格遵守操作约束作为首要考虑因素。这种方法背后的内在动机是建立对人工智能技术能够以安全和可扩展的方式解决能源系统优化问题的信心。