随着传统发电厂逐步被太阳能、风能等间歇性可再生能源取代，如何维持电网稳定，已成为一项复杂的工程挑战。侯赛因·汗在瓦萨大学的博士论文中，提出了基于先进人工智能的控制策略，旨在提升本地电网的可靠性与韧性。
电力系统正经历深刻变革，基于化石燃料的传统发电方式正逐渐被基于逆变器的可再生能源所取代。这一转变带来了系统的不确定性与惯量降低，使得交流与直流微电网的运行及电压稳定性问题更趋复杂。
在电气工程领域的博士论文中，侯赛因·汗致力于应对这些挑战。他利用人工神经网络，开发出能够实时预测并补偿电网变化的智能控制器，其控制效果优于传统方法。
人工神经网络的设计灵感源自人脑，后者通过相互连接的神经元处理信息。汗指出，这种仿生方法使系统能够从多样化的运行场景中学习，从而有效应对太阳能与风能发电的间歇性与不可预测性。
通过传感器优化实现经济高效的解决方案
传统系统通常依赖多个物理传感器来监测电压、电流等关键参数，这不仅增加了系统成本，也带来了更多潜在故障点。汗提出的人工智能驱动方法表明，借助先进的软件算法，可以在减少硬件组件的同时维持甚至提升系统性能。
“通过对神经网络进行有效训练，系统仅需一个传感器即可实现原本需要两个传感器才能达到的可靠性水平，”汗解释道。他指出，这不仅能优化成本，还能提高整体系统的可靠性——因为物理部件的减少，意味着潜在故障点的减少。
尽管基于人工智能的控制系统在提升效率、降低硬件依赖方面展现出巨大潜力，但在关键基础设施中引入智能控制器，也带来了新的考量因素。
“主要的挑战在于，人工智能的运行机制就像一个‘黑箱’：我们能看到输入与输出，却并不总能完全解释系统内部的决策过程，”汗坦言。不过他同时指出，在测试过程中，该控制器表现优异，并已在实时运行环境中通过了严格的验证。
汗的研究为实现未来几十年内碳中和能源系统的宏观目标提供了有力支持。通过提升电网稳定性并降低硬件需求，基于人工智能的控制技术有望推动未来电网更高比例地整合可再生能源。
