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。通过此平台，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：2025年5月13日（星期二）

 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

 2025年5月9日  

 附报告人及报告简介

 学术报告

 报告人简介：戴欣亮于2025年2月在亥姆霍兹联合会（HGF）下属的卡尔斯鲁厄理工学院（KIT）自动化与应用信息学研究所（IAI）获得博士学位，并将于同年6月加入普林斯顿大学零碳能源系统研究与优化实验室（ZERO Lab）担任博士后研究员。攻读博士期间，他曾在德国四大输电系统运营商之一的TransnetBW实习，并参与两项由德国联邦教育与研究部（BMBF）资助的项目，与日立能源（原ABB电网）等业界公司合作。凭借与TransnetBW的成功合作，他作为共同首席研究员（Co-PI）获得了一项为期一年、金额达15万欧元的直接资助项目。戴欣亮的研究专注于能源系统中大规模非凸优化问题的分布式求解方法，其应用场景涵盖输配电网一体化系统（ITD）、热电联产系统（CHP）及电动汽车（EV）并网等领域。因研究贡献突出，戴欣亮荣获2023年卡尔斯鲁厄理工学院杰出绩效奖。他的工作架起理论进展与实际应用之间的桥梁，致力于提升下一代能源系统的计算效率与隐私保护能力。

 报告题目：

Distributed Optimization Framework for Large-Scale Nonlinear Programming in Power Systems

（电力系统非线性大规模优化问题的分布式求解框架）

 内容摘要(英文)：

The ongoing energy transition is challenging centralized power system paradigms due to the rapid integration of distributed energy resources (DERs), which introduce significant supply-demand variability. This variability complicates grid management and necessitates enhanced coordination among operators. Centralized data aggregation further exacerbates privacy risks and strains communication infrastructure as the proliferation of controllable devices increases.  

To address these challenges, this presentation introduces advancements in distributed frameworks for nonconvex nonlinear programming (NLP). First approach refines a distributed Sequential Quadratic Programming (SQP) framework that integrates the barrier method and Schur complement-based communication reduction, enabling efficient parallelization through graph decomposition. Large-scale AC optimal power flow (OPF) benchmarks demonstrate its superiority over the centralized solver IPOPT. The framework solves problems with over 500,000 variables at speeds 2–8 times faster on standard workstations while maintaining numerical robustness. Second approach Leverages the hierarchical structure of integrated transmission-distribution (ITD) systems, we develop a distributed nonlinear model predictive control (NMPC) method. This approach coordinates transmission system operators (TSOs) by utilizing aggregated distribution system flexibility, bypassing the need for detailed distribution network models. Simulations under severe weather conditions in Germany validate the framework’s robustness against prediction errors, offering scalable, privacy-preserving solutions for modern grids.  

 内容摘要(中文)：

当前的能源转型正挑战集中式电力系统范式，其根源在于分布式能源（DERs）的快速并网所引入的显著供需波动性。这种波动性不仅使电网管理复杂化，还亟需加强运营商间的协调。随着可控设备数量的激增，集中式数据聚合进一步加剧了隐私风险，并对通信基础设施造成压力。  

为解决这些挑战，本次演讲将介绍非凸非线性规划（NLP）分布式框架的进展。第一种方法中，我们改进了基于分布式SQP的框架，该框架整合了Barrier method与基于Schur-Complement 通信缩减技术，通过图分解实现高效并行化。大规模交流最优潮流（OPF）测试表明，该框架性能优于集中式求解器IPOPT，可在标准工作站上以2至8倍的速度处理超过50万个变量的问题，同时保持数值鲁棒性。第二种方法中，我们基于输配一体化（ITD）系统的分层结构，开发了一种分布式非线性模型预测控制（NMPC）方法。该方法通过聚合配电系统的灵活性协调输电网运营商（TSOs），无需依赖详细的配电网模型。通过在德国极端天气条件下的仿真验证，该框架展现了对预测误差的鲁棒性，为现代电网提供了可扩展且保护隐私的解决方案。