能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术

Posted Frontiers开放科学平台

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术相关的知识,希望对你有一定的参考价值。

点击上方 蓝字 ,关注我们!
将我们设置为 星标账号 及时获得最新推送
能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术

能源安全和可再生能源的综合利用已成为国际社会关注的热点。而资源及其应用的随机性对更精细的能源管理提出要求,此时预测技术将发挥重要作用。


Frontiers通过邀请该领域内的专家作为客座主编,以组建前沿专刊的方式联合各领域专家,探讨基于数据驱动与机器学习的能源系统预测前沿技术,对解决实际工程问题具有重要理论指导意义与应用价值。

该研究领域的重要性


基于数据分析技术的能源与需求预测是解决能源安全和可再生能源综合利用的有效方式。此外,随着智能传感器的广泛使用,能源公司能够收集到大规模的能源数据,而如何利用这些数据解决实际问题则值得讨论。


该研究领域的未来趋势


基于数据驱动的能源系统预测技术将朝着高效、高精度及强自适应性方向发展。尤其是随着深度学习技术的快速发展及计算机性能爆炸式提升,基于深度学习的复杂能源系统预测技术将成为研究重点。对于国内科研人员,建议围绕工程背景实际需求,探索更具针对性的数据处理策略,更好地将机器学习、深度学习等计算机技术应用于解决能源系统预测与管理问题。


征稿信息


本专刊旨在挖掘基于数据驱动与机器学习的预测技术在新能源发电、电力市场等领域的应用潜力,为解决新能源消纳、电力系统优化调度等问题提供技术支持。


专刊接受投稿的文章类型包括研究性论文、综述。征稿范围包括但不限于以下内容:


  • 基于数据驱动的风速/功率预测

  • 基于机器学习的光伏发电和太阳辐照预测

  • 基于数据驱动的负荷预测

  • 基于数据驱动的电力市场电价预测

  • 基于预测的能源管理优化调度

  • 能源系统概率/区间预测

  • 复杂能源预测问题的数据处理策略

  • 能源系统复合模型预测技术

  • 基于深度学习的能源系统预测


能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术


此前沿专刊发布在:


Frontiers in Energy Research

(IF:2.746 / CiteScore:2.5)


此专刊在征稿中,截稿时间:


  • Abstract - 2021 年 05 月 31 日

  • Manuscript - 2021 年 08 月 31 日


关于更多此前沿专刊的信息,请通过点击文章底部“阅读原文”进行了解,也可将链接复制到浏览器中进行查看:
https://www.frontiersin.org/research-topics/18753/forecasting-techniques-for-energy-systems-with-data-analytics-and-machine-learning?utm_source=yuRT8&utm_medium=wechat&utm_campaign=chinaad



客座主编团队

能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术
付文龙

三峡大学

副教授

付文龙,三峡大学副教授,硕士生导师,湖北省“楚天学者计划”楚天学子,三峡大学“三峡学者”,博士毕业于华中科技大学,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理事。主要研究方向为新能源发电预测、发电设备健康管理、人工智能应用。近年主持国家自然科学基金1项,出版湖北省重点专著1部,以第一、通讯作者身份在Energy Conversion and Management、Renewable energy等期刊发表SCI收录论文20余篇,其中ESI高被引4篇, 英国物理学会出版社2019 Outstanding Reviewer。

下滑查看更多

能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术
YangQuan Chen

美国加州大学美熹德分校

教授

YangQuan Chen received the B.S. in industrial automation from the University of Science and Technology of Beijing, China, in 1985, the M.S. in automatic control from the Beijing Institute of Technology, in 1989, and the Ph.D. degree in advanced control and instrumentation from the Nanyang Technological University, Singapore, in 1998. He was the control systems/mechatronics faculty of ECE Dept. at Utah State University, Logan, and the Director of the Center for Self-Organizing and Intelligent Systems (CSOIS) before joining the University of California, Merced in Fall 2012.

下滑查看更多

能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术
李超顺

华中科技大学

教授

李超顺,男,博士,华中科技大学教授、博导,国家“万人计划”青年拔尖人才和湖北省杰出青年基金获得者,担任中国振动工程学会转子动力学专委会常务理事、湖北省水力发电工程学会理事,担任SCI期刊《Energies》编委和EI期刊《振动工程学报》青年编委。主要从事水电、风电等清洁能源优化运行与控制、发电设备智能维护以及人工智能的应用研究。近年来主持了4项国家自然科学基金。撰写专著3部,以一作或通讯作者身份在IEEE Trans, Applied Energy 等期刊发表SCI收录论文63篇,其中ESI高引10篇。成果获4项省部级一等奖和2项二等奖。

下滑查看更多

能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术
Xianming Ye

南非比勒陀利亚大学

副教授

Dr. Xianming Ye is a Senior Lecturer in the Department of Electrical, Electronic and Computer Engineering, University of Pretoria, South Africa. Dr. Ye received his BEng and MEng degrees in the Department of Automation, Wuhan University, China in 2008 and 2010, respectively. He completed his PhD degree in Electrical Engineering from the University of Pretoria in 2015, where he conducted research on the design of optimal measurement and verification strategies for the national energy efficiency and demand side management (EEDSM) programme at the Centre of New Energy Systems (CNES). He is a Certified Measurement and Verification Professional (CMVP) since 2011, a SANAS approved technical signatory to support the national EEDSM programme and 12L Tax Incentive scheme. Dr. Ye received an Y2 rating from South African National Research Foundation (NRF). His research expertise lies in the areas of EEDSM, building and industry energy system modelling and optimisation, renewable energy, microgrids, and electric vehicles. He is currently leading 4 research projects in the fields of microgrid, national building energy performance certificate (EPC) programme with financial support from Royal Academy of Engineering, UK and NRF South Africa. He also serves as the Associate Editor of IEEE Access and IET Renewable Power Generation.

下滑查看更多

能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术
江河

江西财经大学

副教授

江河,美国佛罗里达州立大学统计学博士,江西财经大学统计学院副教授,硕士生导师。主要研究方向为预测理论与方法,高维数据分析理论。在European Journal of Operational Research、Renewable and Sustainable Energy Reviews等国际期刊上以第一作者身份发表SCI检索的学术论文18篇。主持国家自然科学基金项目2项,完成中国博士后第11批特别资助项目和第62批面上资助一等资助项目各1项,主持或完成省部级项目6项。目前担任中国“双法”研究会能源经济与管理研究分会理事。

下滑查看更多

能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术
赵伟刚

北京理工大学

副研究员

赵伟刚,北京理工大学能源与环境政策研究中心/管理与经济学院特别副研究员,博士生导师。主要从事预测与数据分析、能源经济与政策、风速风电预测、机器学习等方面的研究;发表学术论文二十余篇,包括Omega、Energy Economics、Renewable Energy等;主持国家自然科学基金面上项目1项,曾主持国家自然科学基金青年科学基金项目和中国博士后科学基金面上一等资助各1项。担任Nature-Energy、Omega等40余种国际学术期刊匿名评审人,获科睿唯安Publons的2018和2019年Top 1% of reviewers in Engineering和2019年Top 1% of reviewers in Cross-Field。

下滑查看更多

能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术
赵晶

中国科学院大气物理研究所

博士后

赵晶,博士,中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室(LASG)博士后。主要研究方向为人工智能在大气科学中的应用,工作集中在数值模拟与人工智能的交叉研究,及其在近地层风速数值模拟中的应用研究。发表学术论文20篇,累计影响因子95.945,Web of Science总被引500余次;其中第一作者论文14篇,累计影响因子70.617。1篇第一作者论文入选ESI高被引,Web of Science被引120余次,受到国内外研究者的关注。目前主持国家自然科学基金青年基金一项,作为课题骨干参与国家重点研发计划和重大专项各一项,并在多个国际期刊担任审稿人。

下滑查看更多


关于 Frontiers in Energy Research


Frontiers in Energy Research 于2013年创刊,在2020年收获第一个影响因子:2.746。


期刊主要关注以下12个方向:


能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术


期刊主编&简介:


能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术


Uwe Schröder德国布伦瑞克工业学教授,环境与可持续化学研究所所长Uwe Schröder带领一个国际化的专家编辑团队,旨在为全球的能源环境研究工作者以及公众介绍最前沿的研究发现与科学知识。所有发表在Frontiers in Energy Research的文章都经过严格的同行评审(peer-review)并开放获取(Open Access)。 


能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术

客座主编对于前沿专刊模式的看法:


Frontiers前沿专刊以开放的形式发表各领域优质研究成果,对进一步加强各学科领域研究人员合作、提升学术影响力具有重要意义,能够有效促进学界同仁积极对本学科领域进行学术探讨。

原文内容整理自付文龙教授的文字采访




点击图片查看更多Frontiers前沿专刊:





前沿专刊(Research Topic),是 Frontiers 赋能学术工作者的创新方式之一:前沿专刊由客座主编确定某领域内的研究方向,接收相关领域作者的投稿,最终以文章合辑的形式发表在期刊正刊。


成为客座主编的优势在于:

  1. 联合学界同仁共同促进本学科领域更积极的学术讨论;

  2. 您的科研成果能够得到更广泛的关注;

  3. 进一步加强与各学科领域研究人员的合作;

  4. 前沿专刊作为开放获取资源将提升您以及所有作者的学术影响力。


作为客座主编,在前沿专刊正式建立之前需要完成三个步骤:

  1. 为专刊定题;

  2. 邀请1-3位专家(需至少包含一位国际专家)作为共同客座主编组织专刊;

  3. 建议潜在的作者名单。


如何成为客座主编?





您点“在看”的一小步,开放科学的一大步 ↓↓

以上是关于能源研究专刊征稿 | 基于数据驱动和机器学习的能源系统预测技术的主要内容,如果未能解决你的问题,请参考以下文章

2020新书物联网机器学习Python实战,284页pdf阐述在电信能源农业的应用

独家 | 全解用Python建立能源市场算法交易的机器学习框架(附链接)

全解用 Python 建立能源市场算法交易的机器学习框架

如何使用机器学习算法进行能耗预测 1:背景知识

如何使用机器学习算法进行能耗预测 1:背景知识

如何使用机器学习算法进行能耗预测 1:背景知识