由四川大学刘俊勇教授带领的智能电网优化运行与电力市场运营研究团队主要从事主动配电网、电动汽车充换电网络规划与交互、电力系统数据科学与信息物理系统、电力系统安全稳定、清洁能源及储能技术、电力市场等领域教学科研工作。
出版合/译著8本，发表论文500余篇，240余篇SCI、EI检索，承担国家级、省部级和横向科研项目共160余项，累计项目经费1.3亿元，多次荣获部省级奖励，包括2019年四川省科技进步奖自然科学类一等奖“多约束条件下的电网安全分析与运行优化理论”、2019年度中国电力科学技术进步一等奖“多源协同的主动配电网运行可靠性提升关键技术、设备及工程应用”等。
团队现有教授3名、副教授6名、讲师1名，博硕士研究生100余名。
导语本文探讨了从时序数据特性分析及建模的角度补全与恢复电力负荷数据的方法。运用马尔科夫链与序贯蒙特卡洛模拟联合方法抽取负荷统计特性；基于电力负荷波动的年、月、周、日的多尺度时序特征，建立电力负荷时序模型。引入B-spline 基函数展开法解决负荷模型的非参、变系数问题，给出模型中关键参数的估计方法。所提方法为多尺度电力负荷数据恢复与补全提供了新的思路。
项目研究背景电力负荷数据对电力系统的规划运行、态势预判等具有重要影响。电力负荷数据管理涉及多个环节，各种不确定性因素难以避免，确保电力数据的完备性存在很大困难。探讨用于电力负荷数据的恢复方法是必要且紧迫的。
数据处理技术的引入，可不直接考虑电力负荷关联因素，根据已有数据挖掘电力负荷的时序特性，并构建模型及估计参数，为电力负荷数据高质量恢复与补全提供了新的思路。
论文方法及创新点本文基于马尔科夫解析思想及序贯蒙特卡洛方法，首先对电力负荷统计特性进行抽取。统计电力负荷状态数据，列出负荷状态转移矩阵，根据马尔科夫过程近逼原理列写状态方程并求取各状态发生概率及状态持续时长；采用序贯蒙特卡洛双层抽样方法抽取负荷状态及其实际持续时长，形成典型负荷的统计特性。
然后，建立基于多尺度时间特性的负荷模型。将典型日负荷水平看成多时间参数的变系数函数，如下式：
结果显示：情形三中将负荷分成五个时段，并分别采用一次B样条拟合方案最优。下图1为三种情形下夏、冬季负荷恢复相对误差曲线。
图1
在最优样条分段与次数方案下的夏、冬季负荷恢复曲线如图2所示。
