近期，学院师生在国际顶级期刊上发表多篇有关AI赋能新型电力系统的成果，在学术界和行业内引起广泛关注。
一、聚焦能源安全：无透镜数字全息技术赋能电池检测
针对铅酸电池电解液中金属杂质检测传统方法成本高、操作复杂等瓶颈问题，2023级研究生周昊、薛亮教授和崔昊杨教授及其团队创新性提出“基于无透镜数字全息技术的金属杂质颗粒检测方法”，利用紧凑的设备配置，采用绿色 LED 光源和 CMOS 相机捕获杂质的全息图像，并通过角谱算法重建清晰的粒子图像，进而依据重建距离和平均灰度差分析实现对铜、锡和铁等金属杂质的快速精准识别与区分，为电池维护与质量控制提供了低成本、高效率的解决方案，对提升储能系统可靠性具有重要工程价值。该成果以《Detection of Metal Impurity Particles in Lead-Acid Battery Electrolyte Based on Lens-Free Digital Holography Technology》为题发表于《Advanced Science》(中科院一区，IF=14.1)。
图1 基于无透镜数字全息的铅酸电池电解液中金属杂质颗粒检测系统设计
二、以人工智能赋能新型电力系统：高光谱-人工智能算法融合驱动智能运维
面向电力系统关键液体智能运维检测，2023级研究生张力、薛亮教授和崔昊杨教授构建了基于高光谱成像与人工智能深度融合的杂质识别体系，将XGBoost、LightGBM、CatBoost、支持向量机、神经网络等多种先进机器学习算法进行创新性集成，以400–1000 nm波段、300通道的高光谱特征为输入，实现对液体中杂质的高精度检测。该成果为电力设备状态监测提供了非接触、实时、智能的AI技术路径，对提升电网运行安全性与可靠性具有重要工程意义。该成果以《Hyperspectral Imaging for Rapid Impurity Detection in Power System Liquids》为题发表于发表在人工智能领域顶级学术期刊《Engineering Applications of Artificial Intelligence》（中科院一区，IF=8）。
图2 基于高光谱成像术的电力系统液体中杂质智能快检系统设计
三、 聚焦电网协同稳定：仿生智能与元强化学习赋能互联系统频率控制
针对在基于性能的频率调节市场运行的互联电网中，因策略不协调和联络线功率波动导致运营商利益冲突加剧、频率波动频繁的问题，为提升电网稳定性，李嘉文副教授和崔昊杨教授及其团队创新性提出模仿鱿鱼分布式神经决策机制的鱿鱼启发协同负荷频率控制方法，将区域单元视为独立智能体，仅依赖本地信息实时决策以避免跨区通信延迟或错误；并引入采用混合课程学习策略的自动课程多智能体深度元演员-评论家算法，实现复杂随机电网中多目标多区域的高效协同学习与鲁棒控制；基于中国南方电网四区模型的仿真验证表明该方法能有效减少功率波动。其工程价值在于为多运营商互联电网提供了可规避通信瓶颈、有效协调利益冲突并显著抑制频率及联络线功率波动的实用化频率控制新方案，推进了智能电网稳定运行技术的发展。该成果以《Bionic cooperative load frequency control in interconnected grids: A multi-agent deep Meta reinforcement learning approach》为题发表于《Applied Energy》(中科院一区，IF=10.1)。
图3 决策模式框架图
四、 聚焦清洁能源调控：知识先验元强化学习驱动微电网频率协同优化
为促进产消者参与孤立微电网频率调节并解决基于性能市场机制带来的控制复杂性与运营商利益冲突问题，李嘉文副教授和崔昊杨教授及其团队创新性提出全分布式负荷频率控制方法，使作为独立智能体的调节服务提供商在线通过聚合本地频率达成全局最优决策，并在离线学习时设计兼顾自身与他人利益的奖励函数；该方法通过引入基于高价值轨迹元知识的知识先验多智能体深度元演员-评论家算法实现快速协作多任务学习，以生成高质量控制策略；在中国南方电网运营的永兴岛孤立微电网的实验评估证实FD-LFC能平衡提供商利益，有效降低频率误差、发电成本和调节里程支付。其工程价值在于为含产消者的孤立可持续能源系统提供了一种能同时优化系统频率稳定性、经济性并公平协调多市场主体利益的高效分布式频率控制方法，推进了清洁能源微电网智能运行与市场机制协同优化的发展。该成果以《Knowledge prior deep meta-reinforcement learning-based load frequency control of isolated sustainable energy system considering electricity prosumers》为题发表于《Journal of Cleaner Production》(中科院一区，IF=9.7)。
图4 方法对比图
未来学院将继续秉持创新精神，在人工智能赋能新型电力系统建设领域砥砺前行，持续推进新型电力系统发展所需的人才培养工作。
88858cc永利官网 乐应波供稿