【講座題目】城市能源系統(tǒng)的優(yōu)化與分析
【時 間】2024年5月6日15：00-17：00
【地 點】主樓A322
【主講人】王毅
【主講人簡介】
王毅，現(xiàn)任香港大學電子電氣工程系助理教授。2014年6月獲華中科技大學電機工程學士學位，2019年1月獲清華大學電機工程博士學位（導師：康重慶教授）。2017年3月至2018年4月，在華盛頓大學交換學習。2019年2月至2021年8月，在蘇黎世聯(lián)邦理工學院電力系統(tǒng)實驗室做博士后研究。研究范圍包括智能電網(wǎng)的數(shù)據(jù)分析、能源預測、多能源系統(tǒng)、物聯(lián)網(wǎng)、網(wǎng)絡物理社會能源系統(tǒng)。 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.
【講座內(nèi)容簡介】
在城市能源系統(tǒng)數(shù)字化和低碳轉(zhuǎn)型的背景下，靈活的能源調(diào)度在促進系統(tǒng)高效經(jīng)濟運行方面具有巨大潛力。在這一過程中，采用了基于學習的技術從計量數(shù)據(jù)中提取系統(tǒng)運行特征，為基于優(yōu)化的能源調(diào)度過程提供了準確的運行邊界。然而，學習和優(yōu)化過程總是分為兩個獨立的方面進行，并且在實際應用中是解耦的?，F(xiàn)有的模式大多忽略了二者的交互關系，導致了不可信的學習和不經(jīng)濟的優(yōu)化結(jié)果。本次報告將從建筑能源系統(tǒng)中的模型預測控制開始，探討城市能源系統(tǒng)中學習和優(yōu)化過程之間的深層耦合關系，其中基于學習的熱動力學建模作為優(yōu)化的輸入約束。此外，報告還會分析在相同場景下，學習誤差對下游優(yōu)化問題的潛在影響，并介紹一種面向決策的建筑熱動力學建模方法。這種學習方法的目的是最小化優(yōu)化成本，而不是傳統(tǒng)的精度指標。作為運行邊界條件，所提出的以決策為中心的學習策略進一步擴展到集成能源系統(tǒng)中，其中跨部門（供暖、制冷和電力）負荷預測與中央優(yōu)化任務相結(jié)合。另外，報告還將對學習過程中的相應數(shù)據(jù)值進行評估。