报告时间：2021年11月12日9:00-10:00

报告方式：

线上：腾讯会议（ID：136 972 134）

线下：机自大楼3楼，伯时会堂

报告题目：基于功能驱动的改进机组组合：一个闭环预测和优化框架

报告摘要：With the growing scale and complexity of modern power grids, available data could provide useful information and insights of the underlying power grid, and machine learning methods could be valuable to help understand and reveal the relationship of system parameters and optimal operations, finally addressing optimal operation problems in a more efficient and accurate way.

In this talk, we will discuss three examples to marriage the data and machine learning methods to power systems optimization problems for improving the computational performance, including: (i) a data-driven approach by leveraging historically solved unit commitment (UC) instances to promptly solve new UC problems; (ii) a closed-loop predict-and-optimize framework for deriving better forecasts that could lead to an enhanced UC solution quality; and (iii) an adaptive dynamic programming based approach for conducting effective optimal schedules of energy-limited resources within a limited time horizon while considering their potential future values.

报告人简介：吴磊教授于2001年和2004年分别获得西安交通大学电气工程学士学位和系统工程硕士学位，并于2008年获得美国伊利诺斯州理工学院电气工程博士学位。从2008年到2010年，他是印度理工学院Robert W. Galvin电力创新中心的高级研究助理。2012年，他是NYISO的暑期访问教师。他是美国纽约波茨坦克拉克森大学电气与计算机工程系的教授，直到2018年。他目前是美国新泽西州霍博肯史蒂文斯理工学院电气与计算机工程系的教授。

他目前的研究涉及电力系统运营和电力市场的优化和统计分析，市场重组下的电力输送和分配的公共政策和技术问题，可再生能源整合的经济影响，以及关键相互依存基础设施的协同优化。他在2013年获得NSF职业成就奖，2011年获得IBM Smarter Planet Faculty创新奖，以及2020年Jess H. Davis Memorial Award for Research Excellence at Stevens。他在完成由美国能源部(DOE)和美国国家科学基金会(NSF)等机构资助的研发项目方面有良好的跟踪记录，其中包括来自美国能源部、美国国家科学基金会(NSF)和纽约州能源研究与发展管理局(NYSERDA)的超过1000万美元的资金，用于设计和开发社区微电网和分布式可再生资源集成，以及水力资源运行的灵活性。