計算機科學學院何順帆副教授課題組發表系列高水平論文
作者：何順帆 編輯：由永慧 上傳：由永慧 審核：柯尊韜、田微 發布時間：2024-09-30 瀏覽次數：
8月26日，計算機科學學院何順帆副教授課題組在中科院工程技術top期刊IEEE Transactions on Instrumentation and Measurement雜志發表題為Online Compression of Multichannel Power Waveform Data in Distribution Grid With Novel Tensor Method的研究論文。
該課題組從屬中南民族大學計算機控制與先進制造技術科研團隊（團隊負責人田微教授），此前已在IEEE Transactions on Industrial Informatics發表論文Electrical Signature Analysis for Open-Circuit Faults Detection of Inverter with Various Disturbances in Distribution Grid， Electric Signature Detection and Analysis for Power Equipment Failure Monitoring in Smart Grid，和A High Efficient Approach for Power Disturbance Waveform Compression in the View of Heisenberg Uncertainty，在Sustainable Energy Technologies and Assessments發表論文Multiple open-switch faults detection for grid connected inverter，在中國電機工程學報發表論文電能質量擾動數據特征的最優分辨率提取。
10kV儲能電站電力數據監控系統 何順帆 供圖
張量算法在高維數據建模、特征提取和壓縮方面具備顯著優勢，在多維信號處理、工業大數據分析、智能系統和機器學習等場景中具有重要研究意義。何順帆副教授課題組針對電力系統大規模多維數據中張量算法的應用開展了一系列研究：提出了基于張量ＣＰ分解的電力數據在線壓縮方法，能夠有效壓縮電網系統產生的大量多維數據，如電壓、電流等時間序列，降低存儲和傳輸開銷，同時保留關鍵信息；提出了基于張量特征提取的電力設備故障診斷方法，能夠從電力設備運行狀態的多通道信號表征中提取張量模態特征，對設備監測信號中的復雜模式進行解耦，實現對設備故障的準確識別和診斷；提出了針對張量數據的遷移學習網絡結構，能夠通過對抗訓練提高模型泛化能力，克服電力設備故障診斷中真實樣本數據不足問題，提高故障診斷的準確性和可靠性。
何順帆副教授長期從事智能電網大數據分析、電力設備故障診斷，此次系列相關研究成果，以第一作者或通信作者在IEEE匯刊發表論文7篇，在中國科技期刊卓越行動計劃雜志發表論文2篇。
