近日，IEEE Power and Energy Society（電氣與電子工程師協會電力和能源學會，簡稱IEEE PES）發布了2022年度IEEE Transactions on Power Systems（《IEEE電力系統匯刊》）最佳論文評選結果。電力系統及其自動化系雷星雨博士后（第一作者）、楊知方教授（通訊作者）、余娟教授等發表的論文《Data-Driven Optimal Power Flow: A Physics-Informed Machine Learning Approach》獲評最佳論文，論文合作者為康涅狄格大學趙俊博助理教授等。
《IEEE電力系統匯刊》是電力系統分析領域頂尖學術期刊，具有重要的行業影響力。本次最佳論文評選范圍包括《IEEE電力系統匯刊》過去三年發表的所有論文（共1400余篇），共評選五篇，入選率低于千分之四。
該論文針對現有數據驅動最優潮流計算方法因超參數調試配合困難導致適用性低的問題，采用結構簡單、調參量較少的機器學習工具，提出了一種物理信息引導的數據驅動最優潮流計算方法。論文首先構建了一種基于最優潮流物理特征拆解的數據驅動學習框架，將最優潮流問題分為三個階段學習，簡化了最優潮流問題的學習難度，提高了數據驅動最優潮流計算精度。在此基礎上，論文提出了一種基于臨界域分割的最優潮流樣本預分類策略，通過對具有相同或相似起作用約束的樣本進行預分類，簡化最優潮流輸入與輸出間的復雜映射關系。
該論文自2021年正式發表以來，在Web of Science中一共被引用37次，Google Scholar（谷歌學術）中被引用66次，是《IEEE電力系統匯刊》的熱門論文（Popular papers）。
論文原文鏈接
Data-Driven Optimal Power Flow: A Physics-Informed Machine Learning Approach
https://ieeexplore.ieee.org/abstract/document/9115822
報道原文鏈接：
https://cmte.ieee.org/tpwrs/tpwrs-best-papers/
