2022年1月15日上午9:00

电气实验楼学术报告厅（D-202）/腾讯会议ID：232973808

吴磊-教授、IEEE Fellow

电气与新能源学院、智慧能源技术湖北省工程研究中心

随着现代电网规模和复杂性的日益增大，大量的电力系统历史运行记录和实时数据可以为底层电网提供有用的信息和参照，机器学习方法可以帮助理解机组组合（UC）性能与电力系统参数的关系，揭示这种关系背后的机理，最终更高效、更准确地解决UC优化运行问题。在本次演讲中，我们将讨论两个实例，将数据和机器学习方法结合到电力系统优化问题中以提高计算性能，包括：（1）一种数据驱动方法，通过学习已求解过的UC实例中的映射关系，以此来快速提升求解新的机组组合问题的效率；（2）提出了一个闭环预测优化框架以获得更好的预测，从而提高UC解的质量。

吴磊：男，美国斯蒂文斯理工学院电气与计算机工程系教授，IEEE     Fellow。他分别于2001年和2004年在西安交通大学系统工程专业获得学士学位和硕士学位，2008年在美国伊利诺伊州芝加哥市伊利诺伊理工学院(IIT)获得电气工程博士学位；在2008年至2010年期间，担任IIT罗伯特W.高尔文电力创新中心的高级研究员；在2012年，担任纽索国际学校的暑期访问教师；在这期间直到2018年，他担任美国纽约州波茨坦克拉克森大学电子与计算机工程系的教授。

他目前的研究涉及应用于电力系统运营和电力市场的优化和统计分析、在市场重组下与电力传输和分配相关的公共政策和技术问题、可再生能源一体化的经济影响以及重要基础设施的相互依赖性分析及优化策略。他曾获得2013年NSF CAREER奖、2011年IBM Smarter     Planet学院创新奖和2020年Jess H .     Davis卓越研究纪念奖。他在完成由DOE和NSF等机构资助的研究和开发项目方面有良好的业绩记录，包括来自DOE、NSF、NYSERDA的1000万美元资金，用于设计和开发社区微电网和分布式可再生资源集成，以及水电资源的业务灵活性。