美国怀俄明大学段东亮教授来我院作学术报告

6月11号上午10点，美国怀俄明大学段东亮教授应胡晓娅老师邀请，到我院进行学术交流，并作了题为“Learning-Based Very-Short-Term Solar Prediction”的学术报告。报告会由胡晓娅老师主持，来自我院及电信学院的30多位师生参加了此次报告会。

段东亮教授于2002至2006年就读于华中科技大学电子与信息工程系，获得工学学士学位；2006至2010年就读于美国佛罗里达大学电子工程系，期间于2009年获得理学硕士学位；2010至2012年就读于美国科罗拉多州立大学电子工程系，获得博士学位。2012至今在美国怀俄明大学任教，现职位为副教授（终身制）。他的研究工作主要涉及智能电网、无线通信和信号处理领域的研究。研究项目包括美国能源部（US Department of Energy）项目、美国自然科学基金（US National Science Foundation）项目和美国能源部项目（项目金额：550万美金）。已发表高水平学术论文40余篇，曾在2017年IEEE电力与能源系统年会（IEEE PES General Meeting）中入围最佳论文奖、在2018年获IEEE International Conference on Communication Systems中获最佳论文奖。他常年担任ICNC，ICC，Globecom 等多个学术会议的组织者和审稿人，现任IET Communications的高级编辑，并且常年担任智能电网、无线通信及信号处理领域的顶级期刊（例如：IEEE Trans. on Power Systems, IEEE Trans. on Smart Grid, IEEE Trans. on Wireless Communications, IEEE Trans. on Communications, IEEE  Trans. on Signal Processing等）的审稿人。

此次报告中，段教授首先指出了目前全球能源紧缺的严峻形式，并表明了可再生能源开发探索的必要性。接着，阐述了目前太阳能中期和短期预测方式的不足以及超短期预测的不稳定性挑战，引出了天空图像信息提取以及环境数据学习相结合的方法，实现对太阳光照的超短期预测。其中，考虑到造成太阳活动高度可变性的主要因素是云的运动，段教授提出根据利用卷积神经网络（CNN）对天空图像进行解析，判断是否有云的干扰。在此基础上，构建长短起记忆网络（LSTM）预测框架，利用其他重要气象数据（如温度、风速等）对环境走势进行预测。通过测试与现有方案比较，验证了提出的预测框架能够有效维护系统稳定性，预测精度也有明显的提高。最后，报告结束之际，在场师生对段老师的精彩报告给予了十分的肯定，，并就报告中感兴趣的疑难点与段老师进行了充分的交流和探讨。

段老师的报告内容深入浅出，讲台上下师生互动频繁，现场气氛热烈，参会师生受益匪浅。最后，胡晓娅老师对段教授的精彩报告表示了感谢。