【讲座题目】城市能源系统的优化与分析

【时  间】2024年5月6日15：00-17：00

【地  点】主楼A322

【主讲人】王毅

【主讲人简介】

王毅，现任香港大学电子电气工程系助理教授。2014年6月获华中科技大学电机工程学士学位，2019年1月获清华大学电机工程博士学位（导师：康重庆教授）。2017年3月至2018年4月，在华盛顿大学交换学习。2019年2月至2021年8月，在苏黎世联邦理工学院电力系统实验室做博士后研究。研究范围包括智能电网的数据分析、能源预测、多能源系统、物联网、网络物理社会能源系统。 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.

【讲座内容简介】

在城市能源系统数字化和低碳转型的背景下，灵活的能源调度在促进系统高效经济运行方面具有巨大潜力。在这一过程中，采用了基于学习的技术从计量数据中提取系统运行特征，为基于优化的能源调度过程提供了准确的运行边界。然而，学习和优化过程总是分为两个独立的方面进行，并且在实际应用中是解耦的。现有的模式大多忽略了二者的交互关系，导致了不可信的学习和不经济的优化结果。本次报告将从建筑能源系统中的模型预测控制开始，探讨城市能源系统中学习和优化过程之间的深层耦合关系，其中基于学习的热动力学建模作为优化的输入约束。此外，报告还会分析在相同场景下，学习误差对下游优化问题的潜在影响，并介绍一种面向决策的建筑热动力学建模方法。这种学习方法的目的是最小化优化成本，而不是传统的精度指标。作为运行边界条件，所提出的以决策为中心的学习策略进一步扩展到集成能源系统中，其中跨部门（供暖、制冷和电力）负荷预测与中央优化任务相结合。另外，报告还将对学习过程中的相应数据值进行评估。