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

报告时间：2025年11月7日（周五），9:00-10:30报告地点：物流楼506主 讲 人: 秦虎报告摘要：本报告围绕人工智能中的两大核心能力——感知智能与决策智能展开深入探讨。感知智能主要依赖于机器学习算法，聚焦于环境信息的识别、理解与预测，广泛应用于图像识别、语音识别、推荐系统等领域，展现出强大的数据处理与模式识别能力。而决策智能则以运筹优化与智能搜索算法为核心，通过建模和计算寻优，解决如物流调度、供应链管理和生产计划等复杂的实际决策问题。报告不仅系统梳理了这两类智能的基本概念与技术特征，还结合典型应用场景，重点分析了机器学习、运筹优化和智能搜索算法在实际问题中的适用性与优势，从而为理解