“智能学习赋能新型电力系统发电”专题征稿启事

当前，我国正处于构建新型电力系统的关键时期，“双碳”目标的提出对发电技术领域提出了前所未有的挑战与机遇。随着可再生能源装机容量的持续增长，风电、光伏等新能源发电占比不断提高，传统的集中式发电模式正向分布式、多元化的发电格局转变。这种转变带来了发电预测精度不足、源网荷储协同困难、系统稳定性面临挑战等一系列技术难题。与此同时，虚拟电厂、储能系统、氢能发电等新兴发电形式的涌现，使得电力系统的复杂性呈指数级增长，传统的控制方法和优化策略已难以满足新型电力系统的运行需求。机器学习技术的快速发展为解决上述挑战提供了全新的技术路径。联邦学习作为一种分布式机器学习范式，能够在保护数据隐私的前提下，实现多主体协同建模，这对于涉及多方利益相关者的发电系统优化具有重要意义。深度学习凭借其强大的特征提取和模式识别能力，在新能源发电功率预测、设备故障诊断、发电效率优化等方面展现出巨大潜力。强化学习通过与环境的交互学习最优策略，为解决发电系统的动态优化调度、自适应控制等问题提供了新的思路。这些先进的机器学习方法与发电技术的深度融合，正在推动发电领域向智能化、自主化方向演进。

从技术发展角度看，机器学习与发电技术的交叉融合代表了能源电力领域的前沿方向，亟需系统梳理和深入探讨相关理论方法与应用实践。从产业需求角度看，电力行业正面临数字化转型的迫切需求，如何将先进的人工智能技术有效应用于实际发电系统，是业界普遍关注的焦点问题。最后，从学术研究角度看，当前相关研究成果分散在不同领域的期刊中，缺乏系统性的归纳和展示平台，本专题将为该领域的研究者提供一个高质量的学术交流阵地。

在理论层面，为推动智能机器学习理论与发电技术深度融合，催生新的研究范式和方法体系；在应用层面，为加速人工智能技术在发电领域的落地实施，提升发电系统的智能化水平和运行效率；在产业层面，为促进产学研深度合作，推动科研成果向实际生产力转化，展示国内外该领域最新进展和发展趋势，共享最新学术和技术成果，《发电技术》编辑部特邀广州大学程乐峰副教授，华南理工大学余涛教授，广东工业大学孟安波教授，深圳大学王怀智副教授，东北大学张孝顺副教授为特约主编，共同主持《智能学习赋能新型电力系统发电》专题。欢迎广大专家、学者以及专业技术人员积极投稿。

一、征稿方向（包括但不限于）

1）基于联邦学习的分布式新能源发电功率协同预测方法；

3） 图神经网络在海上风电场集群发电优化中的应用研究；

4）联邦学习框架下的多区域光伏发电数据隐私保护与共享机制；

5）深度学习驱动的水电站群智能发电调度与防洪协同优化；

6）强化学习在储能系统充放电策略优化中的创新应用；

7）基于迁移学习的跨区域风电功率预测模型构建；

8）多智能体强化学习在微网群协调发电控制中的应用；

9）深度学习在核电站运行状态监测与故障预警中的研究；
10）联邦学习支撑的分布式生物质发电效率协同优化；

11）基于元学习的新型发电技术快速适应性建模方法

12）深度强化学习在氢能发电系统优化控制中的探索

13）时序深度学习模型在潮汐能发电预测中的应用

14）联邦学习框架下的多能互补发电系统协同优化

15）基于生成对抗网络的发电设备运行数据增强与异常检测

16）可解释性机器学习在发电系统决策支持中的应用研究

二、投稿要求

1）引言中研究目的清晰明确，详细介绍国内外研究背景，对现有其他研究者的工作进行正确的评述；阐述自己的观点，并对自己的研究思路做总体介绍，引言字数不少于1000字；

2）研究设计和方法叙述清楚，数据合理并被正确地分析和解释；比较所提出的方法和现有方法的优缺点；

3）重点突出，论述严谨，文字简练，避免长篇公式推导(必要的推导可列入附录)，字数以不超过8000字(包括图表)为宜；

4）来稿请用Word排版，格式符合《发电技术》写作模板要求。

三、专题发表计划

征文截止日期：2026年06月30日

专题刊出时间：择期出版

四、投稿方式

登录《发电技术》网站：www.pgtjournal.com，注册作者用户名和密码，在线投稿，并选择或注明“智能学习赋能新型电力系统发电”栏目。

五、联系人

特约主编：

程乐峰  chenglefeng@gzhu.edu.cn

余涛  taoyu1@scut.edu.cn

孟安波  menganbo@vip.sina.com

王怀智  wanghz@szu.edu.cn

张孝顺  zhangxiaoshun@mail.neu.edu.cn

编辑部：

车德竞 dejing-che@chder.com   010-51969088 

辛培裕  peiyu-xin@chder.com   010-51969037

六、特约主编介绍

程乐峰，博士，广州大学副教授、硕士生导师。IEEE PES储能技术委员会（中国）智能电网柔性资源互动分委会秘书，IEEE PES智慧楼宇、负载和客户系统技术委员会（中国）电力负荷技术分委会常务理事，中国精品科技期刊顶尖学术论文F5000获得者，连续三年（2023—2025）入选“全球前2%顶尖科学家（World's Top 2% Scientists）”榜单，同时入选中国知网“高被引学者TOP 1%” 榜单。主要从事人工智能技术、博弈论尤其演化博弈论等相关理论及其在电力市场、智能电网、综合能源系统等领域中的应用研究。近年来，主持市（局）级及以上纵向项目6项，作为技术骨干参与国自然基金项目、南网公司重点/重大项目等各类纵横向项目20余项。发表学术论文140余篇，其中第一/通讯作者发表SCI论文30余篇（含ESI高被引论文4篇），谷歌学术累计被引1866次，h-index为23。

余涛，博士，华南理工大学教授、博士生导师，广东省珠江学者特聘教授，主持人工智能相关的国家2030重大科技攻关课题、国家自然科学基金重大项目课题、国基重点项目及4项国基面上项目，承担南网/国家电网重点科技项目15项；发表SCI论文200余篇，连续五年（2020—2024）入选“爱思唯尔”中国高被引学者。长期从事机器学习、智能优化与多智能体博弈论在智能电网应用理论研究，研发国际首个机器学习配网运规一体知识自动化决策系统，首创电力指纹技术并实现产业化应用，获贵州省科学技术一等奖（排名第2）、中国电力创新奖一等奖3项（均排名第1）及中国电力科学技术发明二等奖（排名第2）等十余项省部级奖励。任中国电工学会人工智能专委会秘书长、IEEE PES/SBLC分委会主席等10项学术职务。

孟安波，博士，广东工业大学教授，硕士生导师。主要从事大规模电网优化调度、新能源发电预测以及人工智能在电网中应用等方面的研究，是CSO群智能优化算法的发明人。已主持国家自然科学基金面上项目1项，全国工程专业学位研究生教育自选研究课题项目1项，广东省科技计划项目2项，南网科技项目10余项，发表学术论文80余篇，其中SCI-TOP论文9篇，ESI高被引论文1篇，ESI热点论文2篇，单篇论文引用最高为123 次。

王怀智，博士，深圳大学副教授、硕士生导师，主要研究方向为机器人与智能网联系统，包括自动控制、多传感融合、电力信息融合系统。共发表论文110余篇，其中含55篇SCI论文和5篇ESI高被引论文。近五年主持项目7项，其中国家自然科学基金2项（青年+面上），省部级2项。已授权国家级发明专利4项。2022-2024年连续三年入选全球前2%顶尖科学家“年度科学影响力”榜单。入选2024爱斯维尔中国高被引学者榜单。中国发明协会创新奖创业奖一等奖获得者（排名第3）。谷歌学术被引5900余次，H 指数为32。以第一完成人身份获广东省自然科学二等奖。

张孝顺，，博士，东北大学副教授、博士生导师。IEEE PES-SBLC（中国）电力负荷技术分委会副秘书长，IEEE TC-AMPS智能系统分委会副秘书长，中国电工技术学会第八届理事会青年工作委员会委员，中国电工技术学会人工智能与电气应用专业委员会委员，广东省青年科学家协会会员。主要从事电力系统优化运行与控制、人工智能算法等方面的研究。主持国家级项目1项、省部级项目1项，发表国家级专著1本，授权发明专利5项，发表高水平SCI期刊论文58篇（36篇Top，4篇ESI高被引）、EI期刊论文37篇。荣获电力创新奖技术类一等奖、江苏省科学技术奖三等奖等多项奖项。