主要研究中心
随着新能源的广泛接入，电力系统逐渐向智能电网转变发展，呈现单向能量流动到双向流动的特性，这给系统的稳定性、优化、控制带来了极大的挑战。研究着重分析电网最优潮流、频率同步、状态估计、拓扑辨识等重要问题。
主要研究进展
1、通过混合模型、贝叶斯学习等机器学习方法，对电网中广泛存在的风能，太阳能及负载的功率不确定性进行概率建模和预测，再结合先进的采样算法完成电网中概率最优潮流的高效计算。实现了基于数据驱动的，无需模型先验知识，可自动执行的电网概率最优潮流计算。
2、通过稀疏贝叶斯学习、LSTM等机器学习算法，利用DPMU和Smart meter数据解决未知系统模型下谐波状态估计问题，实现了基于少量数据的谐波源定位和谐波电网分布估计。
3、通过构建随机多目标配电网重构模型，对风电的消纳以及电压的稳定性进行优化。进而采用多目标贝叶斯优化算法对其进行求解，获取了风电消纳量和电压稳定性之间的定量关系，为配电网的优化运行提供了一定的技术支撑。
应用场景
智能电网最优潮流计算、状态估计、故障诊断等