周 赣

发布者:宋阳发布时间:2023-10-17浏览次数:63


周 赣

职称: 教授、博士生导师

研究方向非介入式负荷辨识技术、低压配网状态最小化精准采集、高级量测技术

Email: zhougan2002@seu.edu.cn

办公电话:


个人简介:

    周赣,男,工学博士,教授,博士生导师,东南大学智能配用电研究所副所长。研究方向包括:非介入式负荷辨识技术、电力系统高级量测技术、低压配网最小化精确采集和控制技术等;主持国家自然科学基金2项,江苏省自然科学基金1项,其它企事业单位科技项目100余项。发表SCI/EI检索论文50篇,授权发明专利20项。相关研究成果已经在江苏、上海、浙江、湖北、深圳等地实际应用超过了30万户,获教育部技术发明一等奖1次、江苏省科技进步二等奖2次。


主要论著:

[1]    G. Zhou, Z. Li, M. Fu, Y. Feng, X. Wang and C. Huang, Sequence-to-Sequence Load Disaggregation Using Multiscale Residual Neural Network, IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-10, 2021, Art no. 2503310, doi: 10.1109/TIM.2020.3034989.

[2]    G. Zhou et al., Intever Public Database for Arcing Event Detection: Feature Analysis, Benchmark Test, and Multi-Scale CNN Application, IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-15, 2021, Art no. 3518515, doi: 10.1109/TIM.2021.3082998.

[3]    G. Zhou, R. Bo, L. Chien, et al, “GPU-Accelerated Algorithm for On-line Probabilistic Power Flow,” IEEE Transactions on Power Systems, vol. 33, no. 1, pp. 1132–1135, Jan. 2018. DOI: 10.1109/TPWRS.2017.2756339

[4]    G. Zhou, R. Bo, L. Chien, et al, “GPU-Based Batch LU-Factorization Solver for Concurrent Analysis of Massive Power Flows,” IEEE Transactions on Power Systems, vol. 32, no. 6, pp. 4975–4977, Nov. 2017. DOI: 10.1109/TPWRS.2017.2662322

[5]    G. Zhou, Y. Feng, R. Bo, L. Chien, et al, “GPU-Accelerated Batch-ACPF Solution for N-1 Static Security Analysis,” IEEE Transactions on Smart Grid, vol. 8, no. 3, pp. 1406–1416, May 2017. DOI: 10.1109/TSG.2016.2600587

[6]    G. Zhou, X. Zhang, Y. Lang, R. Bo, et al, “A novel GPU-accelerated strategy for contingency screening of static security analysis,” Int. J. Electr. Power Energy Syst. (International Journal of Electrical Power & Energy Systems), vol. 83, pp. 33-39, Dec. 2016. DOI: 10.1016/j.ijepes.2016.03.048

[7]    G. Zhou, Y. Feng, et al, “GPU-accelerated sparse matrices parallel inversion algorithm for large-scale power systems,” Int. J. Electr. Power Energy Syst. (International Journal of Electrical Power & Energy Systems), vol. 111, pp. 34-43, Oct. 2019. DOI: 10.1016/j.ijepes.2019.03.074

[8]    G. Zhou et al., GPU-based matrix structure driven state estimation for large-scale power systems, International Journal of Electrical Power & Energy Systems, vol. 133, pp. 34-43, Dec. 2021, Art no. 107298, doi: 10.1016/j.ijepes.2021.107298.

[9]    Y. Feng, G. Zhou*, M. Fu, J. Zhao and L. Jin, GPU-Accelerated Online Short-Circuit Interrupting Capacity Scan Based on Unified Modeling, IEEE Transactions on Power Systems, vol. 37, no. 2, pp. 1162-1172, March 2022, doi: 10.1109/TPWRS.2021.3102617.

[10]  G. Zhou, Xueliang Huang, Hao Jiang, et al,A Novel Ohmic-Loss Reduction Control Strategy for Planar Motor,”IEEE Trans. Magn., vol. 48, no. 11, pp. 2297-3000, Nov. 2012.

[11]  G. Zhou, Xueliang Huang, Hao Jiang, et al,Analysis Method to A Halbach PM Ironless Linear Motor With Trapezoid Windings,” IEEE Trans. Magn., vol. 47, no. 10, pp. 4167-4170, Oct. 2011.

[12]  赵嘉豪, 周赣*, 黄莉, . CPU-GPU异构计算框架下的高性能用电负荷预测[J]. 电力自动化设备, 2021, 41(11): 140-146, 198. DOI: 10.16081/j.epae.202106008.

[13]  周赣, 华济民, 李铭钧, . 基于图转换和混合卷积神经网络的窃电检测方法[J]. 电力系统自动化, 2022, 46(19): 78-86. DOI:10.7500/AEPS20210831006.

[14]  郑逸凡, 周赣*, 傅萌, . 基于图形处理器加速的电网全网拓扑分析算法[J]. 电力自动化设备, 2022, 42(5): 183-190. DOI: 10.16081/j.epae.202202027.

[15]  周赣,节能节电技术,中国电力出版社。

[16]  周赣,高精度平面电机技术,中国电力出版社。


个人奖励及荣誉称号:

1. 教育部技术发明一等奖,《一体成型多尺度高精度空芯线圈电流测量新技术及应用》;

2. 江苏省科技进步二等奖,《提升电力互感器运行状况下测量准确性关键技术研究与应用》;

3. 东南大学青年教师授课竞赛二等奖;

4. 东南大学第十二届、十三届“吾爱吾师—电气工程学院最受欢迎老师”。


主持的科研项目:

[1]  基于负荷特征传导的配电网透明化推演关键技术研究与应用,国网总部科技项目。

[2]  基于关口量测数据的典型公共建筑空调负荷分解及节电潜力评估技术研究与应用,国网总部科技项目。

[3]  面向网荷协同的台区负荷精准调控与智慧用能关键技术研究及应用,国网总部科技项目。

[4]  基于灵活性资源优化配置的台区虚拟增容策略研究服务,国网江苏省电力公司。

[5]  基于负荷特征传导图谱构建及配电网自诊断技术研究,国网江苏省电力公司。

[6]  基于电力数据融合驱动的城区非高能耗用户碳普惠关键技术研究与应用,国网总部科技项目。

[7]  服务典范城市建设的居民细粒度用电行为分析及应用研究,国网江苏省电力公司。

[8]  非侵入居民电力负荷监测辨识关键技术研究、关键装置开发和试点应用,国网江苏省电力公司。

[9]  低压台区用户非介入式负荷辨识技术研究及负荷辨识关键装置研发应用, 国网北京电力公司。

[10]  基于智能量测的低压分布式光伏全景式可靠运行监测策略研究, 国网北京电力公司。

[11]  大电网在线分析软件分析计算能力提升及多级协同计算架构研究,国网总部科技项目。

[12]  面向全网统一分析的高性能网络分析关键计算服务研究,国网总部科技项目。

[13]  GPU加速潮流算法的多重并行度挖掘及规则化重构策略研究,国家自然科学基金51877038

[14]  大偏航角状态下无铁永磁平面电机的电磁力建模及解耦控制研究,国家自然科学基金51207020

[15]  HVDC耦合直流对电流互感器的偏磁影响及抑制策略研究,江苏省自然科学基金BK20151412

[16]  融合5G的智能电网关键技术研究与示范应用,广东省重点领域研发计划。


研究特色:

    课题组的研究特色主要包括非介入式负荷辨识技术、低压配网最小化精准采集两个方面,其创新之处及主要贡献在于:

    1)非介入式负荷辨识技术。该技术只需采集用户总进线的电压和电流,通过算法分析得到用户内部的电器类型和分项电量。申报人提出的“混合时间尺度多元特征量+云端协同”的技术方案有效解决了空调辨识、电热细分、复杂工况精度性差等难题,开发的居民负荷辨识算法已经在江苏、广州等地进行了30万户规模的应用

   2)低压配网最小化精准采集。随着电动汽车和分布式光伏的高渗透率接入,低压台区运行频频出现局部过载、电压异常、新型负荷业扩接入困难等问题,“以抢代维”、“定期更换”等管理模式不再适用,亟需开展数字化监控改造。课题组研究秉承“最小化精准采集”理念,通过“负荷特征传导图谱”、“双源非介入式负荷辨识”等高级量测算法,拓展新型集中器、表箱智能量测开关等既有标准设备的采集感知能力,一方面实现对台区完整物理拓扑、线路设备参数和用户负荷特征的全透明高精度感知,打造“高镜像”数字孪生,另一方面,不增加任何新设备种类,无需在中间分支节点安装设备,和现有全监控方案相比,设备数量减少80%,大幅降低建设和运维成本。研究成果已经在江苏、上海、湖北等地小批量试点,相关高级应用已接入用电信息采集等生产系统,是目前国内外最优、最先进的数字化台区方案。