一、教师简介

(研究方向、科研成效、指导大创项目的经历）

   程礼临，河海电气院讲师，长期从事新能源发电技术、电力系统人工智能技术等方向的研究，重点围绕电气、能源、气象、人工智能等学科前沿交叉领域开展科研攻关，通过推进新能源技术在新型电力系统中的深化应用，助力服务国家双碳能源战略目标。在科研成果方面，累计发表SCI/EI检索论文20余篇（含IEEE汇刊8篇，电力系统领域顶级期刊，均为一作），授权国家发明专利10余项，曾获江苏省优秀硕士学位论文、挑战杯中国大学生创业计划竞赛江苏省银奖、互联网+江苏大学生创新大赛一等奖等奖项及荣誉。本次选题契合当前主题创新领域、且教师本人具备较好的大创项目指导能力。

二、项目简介

（简要介绍该项目的前沿行业技术背景，围绕该研究主题开展大学生创新实践研究的范围和方向，以及能为学生提供的实验条件，如场所、软硬件设备、实验平台等）

随着全球能源需求的不断增长和电力系统结构的日益复杂，如何高效、安全地管理和优化新型配电网灵活资源成为了一个重要的研究议题。配电网调度作为确保电网末端电力供需平衡、降低运行成本、提高系统稳定性和可靠性的关键环节，一直以来都受到学术界和工业界的广泛关注。传统的电网调度优化方法，如线性规划、启发式算法等，虽然在一定程度上能够满足电力系统的运行需求，但面对日益复杂的新型配电网结构和多变的运行环境，这些方法往往存在计算复杂度高、适应性差等问题。因此，寻找一种更加高效、智能的电网调度优化方法显得尤为重要。

近年来，随着人工智能技术的快速发展，特别是深度学习和强化学习的广泛应用，为配电网调度优化提供了新的解决思路。深度强化学习结合了深度学习的强大特征提取能力和强化学习的智能决策能力，能够在复杂的电力系统环境中自动学习并调整优化策略，从而实现对电力系统潮流的高效优化。基于深度强化学习的新型配电网优化研究，旨在通过构建深度神经网络模型，对电力系统中的状态信息进行特征提取和表示，进而利用强化学习算法在电力系统环境中进行策略训练和优化。这种方法不仅能够降低电网调度优化的计算复杂度，提高优化效率，还能够更好地适应电力系统运行环境的动态变化，提高系统的稳定性和可靠性。

教师本人及其所在课题组团队长期从事电力系统人工智能技术研究，团队配备有高性能深度学习计算服务器平台，能够为学生开展深度强化学习应用研究提供良好的软硬件设备支撑。

三、招募学生要求

（学生参与项目研究所需的知识背景、技术能力等要求）

学生参与项目研究应对本主题创新领域的新能源与储能技术抱有热情与兴趣。针对项目选题的新型配电网研究背景，学生需掌握电气工程领域的专业知识；并具备基本的计算机编程能力，以开展深度强化学习技术应用研究。