【讲座】“抗疫不停学，科研不断线”讲座二：人工智能前沿系列——基于学习优化的智能电网能量管理方法

发布日期：2022-04-20      浏览次数:515

主讲人：浙江工业大学 郭方洪
讲座时间：2022-04-23 14:00:00
讲座地点：线上（腾讯会议号：960-599-327）
主办单位：计算机科学与技术学院，主持人：张传林
主讲人简介：郭方洪，博士，副教授，现任浙江工业大学信息工程学院自动化系主任。2010年6月本科毕业于东南大学自动化学院，2013年1月在北京航空航天大学自动化科学与电气工程学院获得硕士学位，2016年11月在新加坡南洋理工大学获得博士学位。2016年6月至2017年4月，在新加坡南洋理工大学劳斯莱斯联合实验室从事多电飞机能源管理系统方面的博士后研究工作。2017年5月至2018年7月，在新加坡科技研究局智能电网实验中心工作。2018年8月加入浙江工业大学，目前主要研究方向为智能电网可靠性与安全、微电网分布式控制与优化、工业大数据分析等。目前出版个人专著一部、以第一作者或通讯作者身份在Automatica和IEEE汇刊上发表论文20余篇。论著得到了同行的广泛关注和引用，目前Google Scholar引用1700余次，其中单篇最高引用达500余次。曾获得2015年度“国家优秀自费留学生奖学金”、2020年“中国控制与决策会议（CCDC）张嗣瀛青年杰出论文提名奖”等学术荣誉。目前任国际期刊IEEE Transactions on Industrial Electronics杂志编委(Associate Editor)、中国自动化学会能源互联网专委会委员。
讲座内容：

本报告拟对基于学习优化思想的智能电网能量管理研究现状进行总结和归纳，阐述学习优化与传统数值优化方法之间的联系和区别。总结三种主要的学习优化类型，包括学习最优解（optimal solution learning）、学习热启动（warm-start learning）和学习约束（constraint learning）。具体而言，学习最优解作为一种典型的端到端学习，在形式上更简介明了；学习热启动则提供一个良好的热启动点,使得求解器可以快速收敛至最优解，是数据驱动算法和基于模型的数值优化算法的结合体，因而兼具前者的实时性优势与后者的精确性优势；而学习约束是对优化问题的约束进行快速识别从而缩小问题规模以减少求解器的计算代价，该方法通常适用于具备大规模安全约束的能量管理问题。最后，基于现有工作的空白和缺陷，总结了五大挑战：数据可用性、数据安全性、模型精度、模型扩展性和模型的鲁棒与可解释性，并分享一些潜在的解决方案。