更新日期：2025年3月17日
个人简介
2021年博士毕业于华南理工大学电力学院，2021-2024年在华南理工大学从事博士后研究工作，2023年-2024年在新加坡Nanyang Technological University电气电子工程学院从事研究工作，任Research Fellow，2025年开始在华南理工大学电力学院任研究副教授，目前所在余涛教授带领的智能配电网与节能技术团队。主持 1 项国家自然科学基金项目、3 项省部级基金及 5 项市局级或科技项目；参与智能电网国家重大科技专项1项(子课题研究负责人)，联合基金集成项目、重点项目各1项。获中电联电力科技创新奖一等奖、二等奖各1项，南方电网科技进步奖2项，广东电网公司科技进步奖 1项。获知网高被引学者top1%，ICPST最佳青年科学家奖等。
研究方向涉及智能配电网、电力人工智能以及运筹学等多个科学领域。致力于将电力人工智能技术应用于智能配电网认知与决策问题当中，愿景是“提出系统的、实用的人工智能调控方法，支撑无人/少人化调控”。
课题组科研经费宽裕，待遇良好，氛围融洽，日常包场进行篮球羽毛球等文体活动。拥有国内领先的纵向项目资源，研究方向为当前电力系统优化运行与规划、人工智能、大模型、运筹优化等交叉技术前沿，欢迎各位考生报考。
工作经历
2021-2024 华南理工大学 博士后
2023-2024 新加坡，Nanyang Technological University, Research fellow，supervised by Prof. Xu Yan and Prof. Dong Zhaoyang
2025-至今 华南理工大学电力学院，研究副教授，硕导
教育经历
2012-2016 华南理工大学，电气工程及其自动化，学士
2016-2021 华南理工大学，电力系统及其自动化，硕博连读，博士
获奖、荣誉称号
2024年：ICPST 2024最佳青年科学家奖、中国电力科学研究院有限公司科学技术进步一等奖
2023年：中电联电力科技创新奖-二等奖、南方电网公司科技进步奖-三等奖
2022年：广东电网公司科技进步奖-二等奖
2021年：华南理工大学电力学院优秀毕业生
2020年：国家奖学金、华南理工大学校长奖学金
2018年：中电联电力科技创新奖-一等奖
研究领域
电力系统优化运行与控制、电力人工智能技术
科研项目
主持：
国家自然科学基金青年基金 (52207105)，2023-2025
国家重大科技专项子课题研究内容，2024ZD0802200,2025-2029
中国博士后基金 (2022M721184)，2023-2024
广东省自然科学基金面上项目 (2023A1515011598)，2023-2025
广东省青年优秀人才国际培养计划博士后项目，2023-2024
广州市基础与应用基础项目(SL2022A04J01135)，2023-2025
南方电网、国家电网项目多项。
参与：
国家自然科学基金企业创新联合基金重大集成项目（U24B6010）
国家自然科学基金智能电网联合基金项目(U2066212)
国家自然科学基金面上项目(51777078)
国家自然科学基金面上项目(51477055)
广东电网国之大项目-智能化无人作业体系
发表论文
[1] Zhenning Pan, Tao Yu*, Jie Li, et. al. Multi-agent learning based nearly non-iterative stochastic dynamic transactive energy control of networked microgrids [J]. IEEE Transactions on Smart Grid, 2022,13(1):688-701.
[2] Junbin Chen, Tao Yu, Zhenning Pan*, et. al. Stochastic dynamic power dispatch with human knowledge transfer using Graph-GAN assisted inverse reinforcement learning [J]. IEEE Transactions on Smart Grid, 2024, 15(3): 3303-3315.
[3] Zhenning Pan, Tao Yu*, et. al. Stochastic transactive control for electric vehicle aggregators coordination: A decentralized approximate dynamic programming approach [J]. IEEE Transactions on Smart Grid, 2020, 11(5): 4261-4277.
[4] Yufeng Wu, Tao Yu, Zhenning Pan*. A practical and fast convergence energy sharing mechanism for prosumers [J]. IEEE Transactions on Smart Grid, 2024, 15(4): 4023-4037.
[5] Ziyao Wang, Lipeng Zhong, Zhenning Pan*, Tao Yu, Xingyu Qiu. Optimal double Q AC-DC hybrid distribution system planning with explicit topology-variable-based reliability assessment [J]. Applied Energy, 2022, 322.
[6] Zhenning Pan, Tao Yu*, et. al. Risk-averse real-time dispatch of integrated electricity and heat system using a modified approximate dynamic programming approach [J]. Energy, 2020, 198：117347.
[7] Shouyuan Shi, Tao Yu, Chaofan Lan, Zhenning Pan*. Estimating the Actual Emission Cost in an Annual Compliance Cycle: Synergistic Generation and Carbon Trading Optimization for Price-Taking Generation Companies [J]. Applied Energy, 2024, 376.
[8] Zhanhong Huang, Tao Yu, Zhenning Pan*, et. al. Stochastic dynamic power dispatch with high generalization and few-shot adaption via contextual meta graph reinforcement learning [J]. International Journal of Electrical Power & Energy Systems, 2024, 162, 100272.
[9] Zhenning Pan*, Tao Yu, et. al. Real-time dispatch of integrated electricity and thermal system incorporating atorages via a stochastic dynamic programming with imitation learning [J]. International Journal of Electrical Power & Energy Systems, 2023, 153, 109286.
[10] Qingquan Luo, Tao Yu, …, Zhenning Pan. A generalizable method for practical non-intrusive load monitoring via metric-based meta-learning [J]. IEEE Transactions on Smart Grid, 2024. 15(1):1103-1115.
[11] Xinpei Chen, Tao Yu, Zhenning Pan*, et. al. Graph Representation Learning based Residential Electricity Behavior Identification and Energy Management [J]. Protection and Control of Modern Power Systems, 2023, 8(2):1-13.
[12] Xiao Shun Zhang, Chuangzhi Li, Biao Xu, Zhenning Pan, Tao Yu. Dropout deep neural network assisted transfer learning for bi-objective Pareto AGC dispatch [J]. IEEE Transactions on Power Systems, 2023, 38(2), 1432-1444.
[13] Junbin Chen, Tao Yu, Zhenning Pan*, et. al. A scalable graph reinforcement learning algorithm based stochastic dynamic dispatch of power system under high penetration of renewable energy [J]. International Journal of Electrical Power & Energy Systems, 2023, 152: 109212.
[14] Zhenning Pan, Tao Yu*, et. al. Real-time stochastic optimal scheduling of large-scale electric vehicles: a multidimensional approximate dynamic programming approach [J]. International Journal of Electrical Power & Energy Systems, 2020, 116: 105542.
[15] Xiaoshun Zhang, Tao Yu, Zhenning Pan, et. al. Lifelong learning for complementary generation control of interconnected power grids with high-penetration renewables and EVs [J]. IEEE Transactions on Power Systems, 2018,33(4):4097-4110.
[16] Binggang Peng, Zhenning Pan*, Jingbo Wang, et al. Integrating non-intrusive load monitoring based on graph-to-point learning into a self-adaptive home energy management system [J]. International Journal of Electrical Power & Energy Systems, 2023, 154, 109442.
[17] Yixuan, Chen, Kaiping Qu, Zhenning Pan, et. al. Multi-objective electricity-gas flow with stochastic dispersion control for air pollutants using two-stage Pareto optimization [J]. Applied Energy, 2020, 279(6):115773.
[18] Yipeng Wang, Tao Yu, Qingquan Luo, Xipeng Liu, Ziyao Wang, Yufeng Wu, Zhenning Pan. Two-stage generalizable approach for electricity theft detection in new regions [J]. Applied Energy, 2024, 365, 123228.
[19] Ziyao Wang, Dan Lin, Tao Yu, Guangxuan Zeng, Zhenning Pan*. Explicit Reliability Incorporated Switches Planning of Smart Distribution System with High Flexibility [J]. International Journal of Electrical Power & Energy Systems, 2023, 145, 108629.
[20] Congwu Dong, Tao Yu, Zhenning Pan*, et. al. Renewable energy hosting capacity assessment in distribution networks based on multi strategy improved whale optimization algorithm [J]. IET Renewable Power Generation. 2024:1–15.
[21] Kaiping Qu, Tao Yu, Zhenning Pan, et al. Point estimate-based stochastic robust dispatch for electricity-gas combined system under wind uncertainty using iterative convex optimization [J]. Energy, 2020, 211.
[22] Dezhi Wang, Xiaoshun Zhang*, Kaiping Qu, Tao Yu, Zhenning Pan, Qianjin Liu. Pareto tribe evolution with equilibrium-based decision for multi-objective optimization of multiple home energy management systems [J]. Energy and Building, 2017, 159, 11-23.
[23] Miaoyong Feng, Zhanhong Huang, Tao Yu, Zhenning Pan, et.al. A risk uncertainty–based flexible dispatch method for pumped storage under extreme weather [J]. IET Renew. Power Gener. 19, e70009 (2025).
[24] 潘振宁,余涛*,王克英.考虑多方主体利益的大规模电动汽车分布式实时协同优化[J].中国电机工程学报,2019,39(12):3528-3541.
[25] 潘振宁,张孝顺,余涛*.大规模电动汽车集群分层实时优化调度[J].电力系统自动化,2017,41(16):96-104.
[26] 潘振宁,王克英,瞿凯平,等.考虑大量EV接入的电—气—热多能耦合系统协同优化调度[J].电力系统自动化,2018,42(04):104-112.
[27] 吴毓峰,杨胜春,潘振宁*,等.无协调主体的多产消者完全端到端交易机制[J].电力系统自动化,2023,47(03):96-103.
[28] 彭秉刚,潘振宁*,余涛,等.图数据建模与图表示学习方法及其非侵入式负荷监测问题的应用[J].中国电机工程学报,2022, 42(17):6260-6274.
[29] 吴毓峰,李富盛,余涛,潘振宁*,等.基于残差双重注意机制网络的电力数据压缩与高精度重建[J].电网技术,2022, 46(08):3257-3271.
[30] 卢冠华,余涛, 潘振宁*,等.基于MAGAT的风电场功率缺失数据填充方法[J].电网技术,网络出版.
[31] 王彬, 郭文鑫, …, 潘振宁*. 基于短期预测信息和长期值函数近似的大规模电动汽车实时随机优化调度算法[J]. 电力系统保护与控制, 2019,47(24):47-56.
[32] 陈俊斌,余涛,潘振宁*.面向主动配电网实时优化调度的图强化学习方法[J].控制理论与应用.网络出版
[33] 陈志威, 吴毓峰,潘振宁,余涛, 等. 基于图表示学习和特征引导的电力系统运行场景生成方法[J].中国电机工程学报, 2024,44(24):9521-9533.
[34] 李鹏,余涛,李立浧,张孝顺,潘振宁,等.电力人工智能的演变与展望——从专业智能走向通用智能[J].电力系统自动化,2024,48(16):1-17.
[35] 姚建国,余涛*,杨胜春,潘振宁,李亚平,张孝顺.提升电网调度中人工智能可用性的混合增强智能知识演化技术[J].电力系统自动化,2022,46(20):1-12.
[36] 陈宗源, 余涛, 潘振宁, 等. 基于时空卷积动态知识图谱的新能源消纳评估方法[J]. 电力系统自动化, 2023,47(15):46-54.
[37] 陈吕鹏,潘振宁,余涛,王克英.基于动态非合作博弈的大规模电动汽车实时优化调度[J].电力系统自动化,2019,43(24):32-40+66.
[38] 余涛,梁敏航,罗庆全,潘振宁,等.新型电力系统专用传感与边缘智能关键技术及其展望[J].高电压技术,2024,50(08):3324-3338.
[39] 范鹏逸,余涛,王梓耀,潘振宁,等.显式集成可靠性表达式的柔性配电网多类型开关优化配置[J/OL].中国电机工程学报, 网络出版
[40] 邓柏荣,陈俊斌,丁巧宜,潘振宁,等.融合电网运行场景聚类的多任务深度强化学习优化调度[J].电网技术,2023,47(03):978-990.
[41] 李捷,余涛,潘振宁.基于强化学习的增量配电网实时随机调度方法[J].电网技术,2020,44(09):3321-3332.
[42] 邱星宇,吴毓峰,王梓耀,余涛,王克英,潘振宁. 计及并离网频率约束的微电网容量优化配置方法[J]. 电力系统保护与控制, 2023, 51(21): 166-177.
[43] 丁巧宜,王梓耀, 潘振宁, 余涛,等. 面向电量-调频-容量市场的数据中心园区算力及电力资源规划[J]. 电力系统自动化, 2024,48(01):59-66.
[44] 梁志泓,罗庆全,余涛,…潘振宁,等.基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法[J].电网技术,2024,48(11):4710-4719.
[45] 张志义,余涛,王德志,潘振宁,张孝顺.基于集成学习的含电气热商业楼宇群的分时电价求解[J].中国电机工程学报,2019,39(01):112-125+326.
科研创新
[1] 基于多智能体强化学习的多微网配电系统分布式调度方法[P].广东省:CN202110892549.6,2024-03-12.
[2] 种基于边缘计算的智能微网能量管理方法[P].广东省:CN202110892566.X,2024-08-20.
[3] 一种电力系统经济调度决策的方法、系统、装置及介质[P].广东省:CN202111535326.0,2024-07-19.
[4] 一种智能调控任务链生成方法、装置、电子设备及介质[P].广东省:CN202411233693.9,2025-02-07.
[5] 基于专家示范指导强化学习的灾后配电网供电恢复方法[P].广东省:CN202411027268.4,2024-11-15.
[6] 一种考虑显式可靠性的柔性配电网多类型开关配置方法[P].广东省:CN202311843827.4,2024-04-16.
[7] 基于物理信息神经网络的电力系统运行模拟方法[P].广东省:CN202311830094.0,2024-04-12.
[8] 一种决策目标导向的闭环负荷预测方法[P].广东省:CN202311832496.4,2024-04-12.
我的团队
所在智能配电网与节能技术团队，团队负责人为珠江学者特聘教授余涛教授。
课题组科研经费宽裕，待遇良好，氛围融洽，日常包场进行篮球羽毛球等文体活动。拥有国内领先的纵向项目资源，研究方向为当前电力系统优化运行与规划、人工智能、大模型、运筹优化等交叉技术前沿，欢迎各位考生报考。
团队毕业博士去向大多为211以上高校任职，硕士毕业生近年来的去向包括：境外高校读博、南网总调、广东中调、广州期货交易所、广州供电局、南网科研院、数字集团等，基本为提前批录取。