【讲座问题】都会能源系统的优化与剖析

【时  间】2024年5月6日15：00-17：00

【地  点】主楼A322

【主讲人】王毅

【主讲人简介】

王毅
，现任香港大学电子电气工程系助理教授。2014年6月获华中科技大学电机工程学士学位
，2019年1月获清华大学电机工程博士学位（导师：康重庆教授）。2017年3月至2018年4月
，在华盛顿大学交流学习。2019年2月至2021年8月
，在苏黎世联邦理工学院电力系统实验室做博士后研究。研究规模包括智能电网的数据剖析、能源展望、多能源系统、物联网、网络物理社会能源系统。 Yi Wang currently serves as the secretary of IEEE Customer Systems & Smart Buildings Subcommittee, the secretary of IEEE PES Working Group on Energy Forecasting and Analytics, and the secretary of CIGRE Working Group on Application of 5G Technology to Smart Grids. He also serves as the Associate Editor for IEEE Transactions on Smart Grid, IEEE Systems Journal, and IET Renewable Power Generation.

【讲座内容简介】

在都会能源系统数字化和低碳转型的配景下
，无邪的能源调理在增进系统高效经济运行方面具有重大潜力。在这一历程中
，接纳了基于学习的手艺从计量数据中提取系统运行特征
，为基于优化的能源调理历程提供了准确的运行界线。然而
，学习和优化历程总是分为两个自力的方面举行
，并且在现实应用中是解耦的。现有的模式大多忽略了二者的交互关系
，导致了不可信的学习和不经济的优化效果。本次报告将从修建能源系统中的模子展望控制最先
，探讨都会能源系统中学习和优化历程之间的深层耦合关系
，其中基于学习的热动力学建模作为优化的输入约束。别的
，报告还会剖析在相同场景下
，学习误差对下游优化问题的潜在影响
，并先容一种面向决议的修建热动力学建模要领。这种学习要领的目的是最小化优化本钱
，而不是古板的精度指标。作为运行界线条件
，所提出的以决议为中心的学习战略进一步扩展到集成能源系统中
，其中跨部分（供暖、制冷和电力）负荷展望与中央优化使命相团结。另外
，报告还将对学习历程中的响应数据值举行评估。