报告题目：Machine Learning for Power Systems: From Pure Data-Driven to Physics-Informed Methods

报告人：余南鹏 教授加州大学河滨分校

报告时间：2024年6月11日（周二）上午10:00

报告地点：五山校区30号楼625

热烈欢迎广大师生前往！

电力学院

2024年6月6日

报告摘要：

目前，电力行业正淹没在来自如智能电表、PMU、SCADA系统、地理信息系统和用户管理系统等不同来源的海量数据中。这些复杂异构数据集中所蕴含的主要和次生价值都是巨大的。但是，目前释放电力系统大数据潜力的算法和应用均处于初级阶段。尽管现成的机器学习算法能够提高电力系统效率、可靠性和弹性，但它们的潜力由于缺乏物理层知识而受限。本讲座首先讲解机器学习在电力系统中的主要应用，接着介绍电网输电和配电系统中各种纯数据驱动和内嵌物理信息的机器学习算法。

报告人简介：

余南鹏，加州大学河滨分校教授，于2006年在中国北京清华大学获得电气工程学士学位，他于2010年在爱荷华州立大学获得电气工程和经济学硕士学位以及博士学位。2011年至2014年，他曾在南加州爱迪生电力公司担任高级电力系统规划师和项目经理。自2014年以来，他一直在加利福尼亚大学河滨分校担任教职工作。他是加州大学河滨分校电气与计算机工程系副主任兼教授，能源、经济与环境研究中心主任。余博士是加州大学的Regents Faculty Fellowship和Regents Faculty Development奖项获得者。他曾多次获得IEEE电力与能源协会年会、IEEE电力与能源协会亚洲大会暨国际大会和第二届绿色通信、计算与技术国际会议的最佳论文和优秀论文奖。他的研究兴趣包括机器学习与大数据分析、智能电网中的优化与控制、交通电气化和电力市场设计。目前，余教授担任IEEE Transactions on Smart Grid和IEEE Power Engineering Letters编辑，他是IEEE电力与能源协会（PES）配电系统运行和规划分委员会的主席，以及也是IEEE PES数据驱动建模、监测和电力配电网络控制工作组的主席。