北京时间12月2日，第六期 IEEE TNSE 杰出讲座系列活动在线上成功举办。此次，我们有幸邀请到加州理工学院 Steven Low 教授，他介绍了在可再生能源激增的背景下保持智能电网稳定所要面临的挑战，分享了基于部分测量数据推断导纳矩阵方法、基于学习增强的反馈控制器和自适应智能充电网络研究等方向的进展， 并给出未来研究方向。
本次讲座由 AIRS 副院长兼群体智能中心主任、香港中文大学（深圳）协理副校长、校长讲座教授、理工学院副院长、IEEE TNSE 主编黄建伟教授担任执行主席和主持人。
近年来，我们的能源体系正在经历一场历史性的转型，朝着更可持续、更具活力和更开放的方向发展。大多数新型智能电网引入了可再生资源的配电系统，但现有的配网系统模型往往存在着拓扑和线路参数记录不足、不准确或缺失等问题。在可再生能源持续激增的背景下，这些问题给保持电压稳定带来了挑战。
Steven Low 教授分享了其团队的三项研究成果以应对这一挑战。第一项成果提出了一种基于部分节点电压和电流测量数据来准确识别辐射性网络的拓扑和线路导纳的方法，前提是每个隐藏节点满足度数至少为三。第二项成果提出了一种保证收敛的学习增强的反馈控制器，可以利用实时测量信息来稳定电压，而无需事先知晓电网模型。最后，Steven Low 教授介绍了其团队设计并部署的大型电动汽车智能充电网络系统，以及基于该系统的开源研究平台。
问答环节，Steven Low 教授的精彩报告也引来了⼤家的思考和热烈讨论。例如，ACN 开源数据里每项充电记录中的电动汽车离开时间是否由用户提供？对此，Steven Low 教授表示: 每次充电前用户会通过系统输入期望的离开时间和充电量，然而实际上用户输入的数据有时是不太可靠的，但通过分析同一用户的历史充电记录可以预测用其充电规律并提供一个合理默认值来帮助用户输入更可靠的充电需求。
视频回顾
Recording
IEEE TNSE 杰出讲座系列
IEEE TNSE Distinguished Seminar Series
IEEE TNSE 杰出讲座系列由 IEEE TNSE 期刊和深圳市人工智能与机器人研究院（AIRS）联合主办，香港中文大学（深圳）、网络通信与经济学实验室（NCEL）、IEEE 联合支持。该系列活动旨在汇聚网络科学与工程领域的国际顶级专家学者分享前沿科技成果。
*特别鸣谢孙晨曦博士对本文的贡献
