专家简介

彭小圣，英国工学博士，华中科技大学电气与电子工程学院副教授，国际电工委员会IEC工作组专家，中国电工技术学会人工智能与电气应用专委会委员，主持和主研了EPSRC、British Energy、EDF Energy、Rolls-Royce、国家自然科学基金（3项）、国家重点研发计划子课题、500万级企业重大合作项目（3项）等30余项，作为主要完成人编写了IEC在可再生能源功率预测领域的首个国际标准IEC63043。

报告摘选

• 基于数据挖掘与深度学习的新能源功率预测：提出了基于数据挖掘的样本自适应选择、多空间尺度集群动态划分、高维特征构建与自适应选择、深度学习模型自适应选择、多模型集成学习、迁移学习等先进人工智能方法，优化了新能源功率预测的样本选择、特征选择、预测建模等核心环节，实现了高精度的短期、超短期新能源功率预测，并可推广至样本不足的新建风电场。
• 基于先进人工智能方法的电力设备状态监测：状态监测难度最大、技术门槛最高的监测参数—局部放电，是反映绝缘状态最敏感的特征量之一，是电力设备状态监测的重要参数；局放监测的难点与挑战，需要100%的识别精度；团队在英国和中国20多个项目的支持下针对局放监测问题开展了十余年的研究；展望2060年的电力设备状态监测系统，通过先进的人工智能方法，能够听懂设备所说的话。
• 从数据层、特征层、方法层、应用层对新能源功率预测和电力设备状态监测开展先进人工智能方法的研究，该流程适用于电力系统其他领域的研究。
• 目前的人工智能还处于“付出多少人工，产生多少智能”的阶段。把AI类比电气时代的发展，那我们才刚刚进入1890年代，刚刚发明“电灯”，距离AI驱动整个社会还有漫长的路，未来仍需要靠我们大家一起努力探索。