本网讯（大数据学院 文/图 张婧慧）近日，大数据学院杨仁增博士（副教授/硕士生导师）在电气工程领域国际权威期刊《International Journal of Electrical Power and Energy Systems》（JCR Q1/中科院二区）以第一作者及通讯作者身份发表题为“A Multi-modal Feature Combination Mechanism for Identification of Harmonic Load in Distribution Networks Based on Artificial Intelligence Models”的研究论文。该研究提出了一种基于人工智能的多模态特征组合机制，用于智能电网中谐波负荷的智能识别，为解决电网中的谐波污染问题提供了新思路和技术支持。

随着分布式能源和非线性负荷在智能电网中的广泛应用，电网中的谐波污染问题日益复杂化。准确、高效地识别谐波源对于明确责任归属、追踪谐波污染源头以及控制谐波传播具有重要意义。为此，杨仁增博士团队提出了一种创新的配电网谐波负荷智能识别方法。该方法基于IEEE Std. 1459-2010瞬时功率理论，结合变分模态分解（VMD）和算术优化算法（AOA），通过双向长短期记忆网络（Bi-LSTM）或门控循环单元（GRU）进行谐波负荷的智能识别。通过优化VMD参数，提取谐波功率序列的关键特征，并利用多模态特征组合机制，显著提高了识别精度。实验结果表明，该方法在识别谐波负荷方面表现出色。与传统的时序神经网络识别模型相比，团队提出的MFC-Bi-LSTM/MFC-GRU模型在识别精度、鲁棒性和收敛速度上均有显著提升。即使在低信噪比（SNR）环境下，仍能保持高精度的识别能力，显示出良好的抗噪声干扰性能。

该研究不仅为解决智能电网中的谐波污染问题提供了新的技术手段，团队还计划进一步探索该技术在更复杂电网场景中的应用，如高渗透率可再生能源的配电网，以进一步验证其工程应用价值。该研究得到贵州省科技基础研究计划（黔科合[2018]1068、[2022]YB188）的支持，并由贵州省新型电力系统运行控制全省重点实验室提供实验设备与设施。

一审：张婧慧

二审：王喜宾

三审：张  艳