电力电子变换器的关键参数估计对于运维管理、状态监测和性能提升具有重要意义。本报告以DAB变换器为例，聚焦其关键器件参数的估计问题，提出了一种基于物理信息神经网络（PINN）的参数估计方法。针对传统方法依赖理想化模型、分析复杂且易产生建模误差，或依赖大量数据而缺乏可解释性等局限，构建统一的广义模型并将电感电流与输出电压的物理动态嵌入网络结构，实现数据与物理的深度融合。该框架具有调制自适应、数据需求低、非侵入式等优势，可在多种调制策略和动态工况下准确估计电感、输出电容、等效串联电阻及导通电阻等关键参数。结果表明，该方法在不同调制方式、运行条件及测量不确定性下均表现出优异的准确性与鲁棒性，展现出良好

本报告将回顾人工智能（AI）技术的发展历程，分析算法、数据与算力三大驱动力，并介绍智能体系统的概念与趋势。报告将介绍人工智能技术在电力电子装备创新中的应用情况，涵盖参数优化、辅助设计和智能控制。报告展示了清华大学电力电子人工智能团队的最新研究成果，包括基于图神经网络的电路元件预测、自然语言模型驱动全流程自动化设计、AI赋能磁芯损耗建模等。报告指出，AI正推动电力电子技术向智能化、自动化快速演进，未来面向电力电子装备创新的智能体将在协同、安全、工程落地等方面持续突破。

随着电动汽车、重型卡车、公交车辆以及电动船舶的快速发展，充电功率正从数百千瓦逐步迈向兆瓦级，同时车辆电池的电压范围也在不断扩大。这一趋势不仅对充电速度提出了更高要求，也给功率变换器的效率、功率密度和宽范围运行能力带来了新的挑战。本次报告将首先介绍大功率充电技术的发展趋势，重点讨论适用于宽电压范围充电的模块化和可重构功率变换拓扑，以及通过混合调制、变开关频率等技术拓宽软开关范围、提高系统效率的方法。

近年来全球各国高度重视氢能综合利用的发展。中国、美国、德国等主要国家已经将氢能上升到国家能源战略高度，不断加大对氢能研发和产业化扶持力度。本报告以“新能源多能耦合制氢系统关键技术”为主线，介绍风光氢储新能源制氢技术研究现状、存在问题、关键技术及解决方案。

人工智能（AI）与工业工程（IE）的深度融合，正推动质量管理向数据驱动、智能决策、人机协同的新范式跃迁。其核心在于从被动检验、事后控制转向主动预测与持续优化。学习型质量控制（LQC）突破传统统计方法的局限，利用机器学习自主识别复杂缺陷模式，实现从“发现缺陷”到“预测预防”的跨越。技术路径上，人机物知识图谱将人的经验、算法模型与设备数据深度融合，使系统能自动诊断并辅助决策——以IE解构问题，以AI重构方案。产业实践中，大模型正将质量控制转化为普惠工具；国家政策也积极引导，工信部正推动“优质质量大模型”应用并编制转型路线图。这一范式正将质量从“成本中心”转化为“价值创造中心”，为制造业高质量发展提

报告时间：2026年4月21日（周二），10:30-12:00 报告地点：物流楼502 主 讲 人: 刘志峰

随着经济贸易全球化的发展，各个国家之间的贸易往来不断加深推动了海上交通运输行业的繁荣，然而海上事故频发，海上运输安全问题一直备受社会关注。本报告以海上溢油事故发生后的应急救援工作为研究对象，考虑溢油油膜漂移特性...

全球绿色转型加速推进背景下，绿色技术与可再生能源深度融合，使气候导致的清洁能源波动与食品等产品需求不确定性相互叠加，显著提升了绿色技术改造、产能及能源规划的决策复杂度。在此情境下，制造商需兼顾极端场景下的决策稳健性与市场竞争力，分布式鲁棒优化成为平衡风险与收益的核心方法。然而，当前大规模分布式鲁棒优化在求解层面仍存在技术瓶颈。本研究聚焦绿色制造产能规划问题，充分考量需求与气候双重不确定性，构建两阶段分布式鲁棒优化模型。通过聚类参数化不确定性、图形编码场景数据，

报告时间：2025年11月21日（周五），9:00-10:30报告地点：#腾讯会议：167-733-829主 讲 人: 黄静思报告摘要：面向能源电力为代表的复杂基础设施系统的网络化、数智化与韧性提升中的关键问题，从灾害时空演变下的网络级联失效分析、以提升系统韧性为目标的优化决策方法两方面开展研究。具体来说，从模型驱动视角，在灾害时空演变下，提出基于变结构动态贝叶斯网络与系统资源再分配的动态评估框架，综合灾害与系统特性辨识关键节点。从数据驱动视角，结合机器学习和强化学习方法，提出与环境互动下的资源优化配置与系统韧性提升方案。主讲人简介：黄静思，北京化工大学经济管理学院副教授，主要面向以能源电力为

报告时间：2025年11月14日（周五），10:00-11:30报告地点：#腾讯会议：423-432-933主 讲 人: 肖辉报告摘要：考虑随机约束的仿真优化问题长期以来备受关注。现有研究假定在给定约束阈值条件下，至少存在一个满足所有约束的可行方案。在实际问题中，可行方案可能并不存在，因此需调整约束阈值以确定最优可行方案。本研究致力于在动态阈值条件下，开发高效的仿真抽样算法，从有限备选方案中选出最优的可行方案。基于大偏差理论，本文推导出PFS的速率函数并建立渐近最优分配条件，实现最小化错误选择最优可行方案的概率。数值算例与案例研究验证了所提出的仿真资源分配算法的优越表现。主讲人简介：肖辉，西南