彭小圣

个人信息Personal Information

副教授   硕士生导师  

性别:男

在职信息:在职

所在单位:电气与电子工程学院

学历:研究生(博士)毕业

学位:工学博士学位

毕业院校:英国Glasgow Caledonian University

学科:高电压与绝缘技术
电力系统及其自动化

其他联系方式Other Contact Information

邮编 :

邮箱 :

个人简介Personal Profile

英国工学博士,IEEE会员,IET会员,国际电工委员会工作组专家(IEC SC8A WG2),中国电工技术学会人工智能与电气应用专委会委员、中国电工技术学会电力不停电检修技术与装备专业委员会委员国家自然科学基金项目通讯评审专家(电气工程领域),百度百科词条

主要受教育经历:

2002.9-2006.6获华中科技大学本科学位;

2006.9-2009.3获华中科技大学硕士学位;

2009.2-2012.2在英国国家自然科学基金(EPSRC)全额奖学金资助下,在格拉斯哥卡里多尼亚大学攻读博士学位。

主要工作经历:

2012.12-2013.1:Santander Bank资助,清华大学电机系访问学者;

2012.3-2013.8:法国电力公司(EDF Energy)资助,开展博士后研究;

2013年9月回华中科技大学工作。

研究方向:

大数据、先进人工智能方法及电力系统应用;电力系统主设备智能监测与诊断;电力设备局部放电智能监测与识别;基于数据挖掘与深度学习的新能源功率预测;智能微网多尺度控制;电力系统潮流计算与稳定性分析;基于大数据深度学习的模式识别与预测;自适应第二代小波变换为理论基础的数据去噪;粗糙集理论为基础的数据挖掘等。

科研介绍:

在英国4年半期间,作为主要完成人完成的科研项目达到5项,科研经费累计超过1000万人民币,含英国国家自然科学基金(EPSRC)项目、英国能源公司(British Energy)项目、法国电力公司(EDF Energy)项目。

回国之后成功策划了千万级科研项目,主持了500万级横向课题(2项)、国家重点研发计划子任务、罗尔斯罗伊斯(Rolls-Royce)国际合作项目、国家自然科学基金(2项)、国网总部项目子课题、南网总部项目子课题、中国电力科学研究院等20余项。另外参与国家重点研发计划子课题、国家自然科学基金面上项目、其他工业界横向课题等多项,累计科研经费超过1500余万。

应邀在IEEE PES APPEEC 2016、ICEE 2017、IESMT2018、IEEE PES APPEEC 2019、IEEE PES GM 2019IEEE CIEEC 2021国际会议做主题报告,并多次担任国际会议分会场主席。

标准、论文发表:

作为IEC SC8A WG2工作组成员,主导完成了IEC在可再生能源功率预测领域的首个国际标准IEC63043,在IEEE Transactions、《中国电机工程学报》等国内、国际一流期刊和会议上发表学术论文40余篇,皆被SCI/EI收录,担任IEEE Transactions、《中国电机工程学报》、《电工技术学报》、《电网技术》等国内、国际一流期刊审稿人。其1篇大数据论文被评为《领跑者5000—中国精品科技期刊顶尖学术论文》(F5000论文,他引超600余次),同时被评为2016年度、2017年度《中国电机工程学报》优秀审稿专家。应邀参与撰写中国电机工程学会专著1部。

主讲课程:

春季《电力系统自动化》,获华中科技大学2015-2016年度教学竞赛优秀奖。

招生类型:

全日制工学硕士,工程硕士,非全日制硕士。

培养研究生的目标与定位:

培养具有国际化的视野,强烈的进取心和事业心,认真负责、精益求精的工作作风,勤奋刻苦、严谨务实的科研态度,优秀中英文文档编写能力,优秀中英文PPT汇报能力,优秀编程能力,优秀分析问题、解决问题能力,优秀团队合作能力和领导力等综合能力的高素质行业领袖人才

培养学生情况与毕业去向:

其指导的研究生,有2人获国家奖学金提名,1人获得博世奖学金,多人获优秀毕业生,毕业后都去了国家电网、电力设计公司、百度、爱奇艺等国际、国内知名企业;其指导的本科生,已有6位同学到美国哥伦比亚大学、新加坡国立大学等国际知名高校出国深造,已有4位同学到清华大学攻读博士/硕士学位,其他同学皆去了上海市电力公司、云南省电力公司、南京南瑞等国网和南网的直属单位。

近期发表论文:

1. X. Peng, H. Wang, . EALSTM-QR: Interval wind-power prediction model based on numerical weather prediction and deep learning[J]. Energy, 2020, 119692. 影响因子:6.08

2. J. Lang, X. Peng, et al. A novel two‐stage interval prediction method based on minimal gated memory network for clustered wind power forecasting[J]. Wind Energy, 2020, 24(5) : 450-464. 影响因子:2.646

3. X. Peng, K. Cheng, . et al. Short-Term Wind Power Prediction for Wind Farm Clusters Based on SFFS Feature Selection and BLSTM Deep Learning[J]. Energies, 2021, 14(7) : 1894-1894. 影响因子:2.7

4. X. Peng, Q. Xu, et al., A Novel Efficient DLUBE Model Constructed by Error Interval Coefficients for Clustered Wind Power Prediction, IEEE Access, 2021, vol. 9, pp. 61739-61751. 影响因子:3.74

5. X. Peng, Y. Chen, et al., Wind Power Prediction for Wind Farm Clusters Based on the Multifeature Similarity Matching Method, IEEE Transactions on Industry Applications, vol. 56, no. 5, pp. 4679-4688, Sept.-Oct. 2020. 影响因子:3.48

6. X. Peng, J. Li, et al., Random Forest Based Optimal Feature Selection for Partial Discharge Pattern Recognition in HV Cables, IEEE Transactions on Power Delivery, vol. 34, no. 4, pp. 1715-1724, Aug. 2019. 影响因子:3.68

7. X. Peng, F. Yang, et al., A Convolutional Neural Network-Based Deep Learning Methodology for Recognition of Partial Discharge Patterns from High-Voltage Cables, IEEE Transactions on Power Delivery, vol. 34, no. 4, pp. 1460-1469, Aug. 2019. 影响因子:3.68

8. Xiaosheng Peng, Jinyu Wen, Zhaohui Li, Guangyao Yang, Chengke Zhou, Alistair Reid, Donald M. Hepburn, Martin D. Judd, W. H. Siew. SDMF based Interference Rejection and PD Interpretation for Simulated Defects in HV Cable Diagnostics, IEEE Transactions on Dielectrics and Electrical Insulation, 2017, 24(1): 83-91. 影响因子:2.55

9. Xiaosheng Peng, Jinyu Wen, Zhaohui Li, Guangyao Yang, Chengke Zhou, Alistair Reid, Donald M. Hepburn, Martin D. Judd, W. H. Siew. Rough Set Theory Applied to Pattern Recognition of Partial Discharge in Noise Affected Cable Data. IEEE Transactions on Dielectrics and Electrical Insulation, 2017, 24(1):147-156. 影响因子:2.55

10. Xiao Hu, W. H. Siew, Martin D. Judd, Xiaosheng Peng, Transfer Function Characterization for HFCTs used in Partial Discharge Detection, IEEE Transactions on Dielectrics and Electrical Insulation, 2017, 24(2):1088-1096. 影响因子:2.55

11. Xiaosheng Peng, Chengke Zhou, Donald M. Hepburn, Martin D Judd, W. H. Siew, Application of K-Means Method to Pattern Recognition in On-line Cable Partial Discharge Monitoring, IEEE Transactions on Dielectrics and Electrical Insulation, 2013, 20(3):754-761. 影响因子:2.55

12.彭小圣,熊磊,文劲宇,程时杰,邓迪元,冯双磊,王勃,风电集群短期及超短期功率预测精度改进方法综述,中国电机工程学报,2016,36(23):6315-6326.
13.彭小圣,邓迪元,程时杰,文劲宇,李朝晖,牛林,面向智能电网应用的电力大数据关键技术,中国电机工程学报,2015,35(3):503-511.
14.杨帆,王干军,彭小圣,文劲宇,陈清江,杨光垚,李朝晖,基于卷积神经网络的高压电缆局部放电模式
识别,电力自动化设备,2018,38(05):123-128.
15.彭小圣,樊闻翰,王勃,张涛,文劲宇,邓迪元,熊磊,车建峰,基于改进空间资源匹配法的风电集群功率预测技术,电力建设,2017,38(07):10-17.

16.杨子民,彭小圣,等,高电压技术,基于集群动态划分与BLSTM深度学习的风电集群短期功率预测, 2021,47(04).


  • 教育经历Education Background
  • 工作经历Work Experience
    暂无内容
  • 研究方向Research Focus
  • 社会兼职Social Affiliations