研究方向
聚焦新能源高比例接入背景下的电力系统规划与运行挑战,研究源荷协调建模、新型电力系统优化调度和柔性资源配置策略。结合人工智能预测、不确定性建模与场景生成技术,构建多时间尺度、多类型资源协调运行框架,提升系统灵活性与安全性,助力电力系统实现清洁低碳、安全高效的运行目标。
围绕分布式资源聚合与用户主动参与机制,研究虚拟电厂智能建模、调度优化、响应评估与市场机制,提升资源聚合能力、调控能力和经济性。融合机器学习与用户行为数据,实现多类型可调负荷的识别与响应潜力评估;基于强化学习与博弈优化方法,构建适应多元电力市场规则的虚拟电厂调度体系,开发多层级激励响应机制,增强系统侧灵活性与用户侧响应能力。
围绕“源-网-荷-储”多能系统协同优化,研究园区级、城市级综合能源系统建模与运行优化策略。开发融合AI负荷预测、设备数字孪生建模、能源流网络分析与智能优化算法的综合能源智能管控平台,支撑多时间尺度下的运行调空与碳排放评估,推动多能源互补、多目标协同的高效低碳运行实践。
聚焦建筑终端多样化用能场景,研究基于人工智能的建筑能耗建模与负荷预测,融合强化学习实现空调系统、分布式光伏与储能系统的柔性协同调控。通过多源感知数据驱动建筑负荷行为建模,构建源荷互动机制,实现建筑系统的智能化调控与主动响应,全面提升能效水平与清洁能源消纳能力,推动建筑向智能、低碳、自适应方向演进。
