姓名:石鑫

职称:讲师

研究方向(Focus Area):

1、电力大数据分析

2、随机矩阵理论

3、深度学习

联系方式:

办公地址:主楼D763室

电子邮箱:xinshi@ncepu.edu.cn

办公电话:010-61771046


一、个人简介及主要荣誉称号

(1)2020-8至今,华北电力大学,控制与计算机工程学院,讲师

(2) 2016-9至2020-7, 上海交通大学, 电气工程, 博士, 导师: RobertCaimingQiu

(3) 2013-9至2016-4, 华北电力大学(保定), 计算机应用技术, 硕士, 导师: 朱永利

(4) 2009-9至2013-7, 华北电力大学(保定), 计算机科学与技术, 学士

主要从事电力大数据分析方面研究,对高维统计理论和新一代人工智能方法在电力系统中的应用进行了较为系统的学习和研究,取得了一定的研究成果:在《IEEE Transactions on Smart Grid》、《IEEE Transactions on Power Systems》、《IEEE PES General Meeting》等行业权威期刊和会议上发表了研究论文20余篇,作为负责人或主要成员参与国家自然科学基金、国家重点研发计划、国家电网公司科技项目10余项,作为合作者完成1部英文书籍章节撰写(由Cambridge University出版社出版)。


二、主要科研项目情况

1、纵向项目:

【1】中央高校面上项目,基于随机矩阵理论和深度神经网络的配电网故障融合诊断方法研究,2021.01-2023.12,15万元.

2、横向项目:

【1】南方电网公司,面向变压器运维的数字孪生建模技术研究,2021.01-2021.12,15万元.

【2】华能雄安公司,雄安新区城市综合能源服务先进方案设计与应用研究,2021.01-2021.12,40万元.


三、主要获奖

【1】石鑫(1/2)《电力系统保护与控制》优秀论文二等奖, “基于深度信念网络的电力变压器故障分类建模”, 2018.

【2】石鑫(2/3)《发电技术》2018年度优秀论文, “人工智能在电力系统中应用的近期研究热点介绍”, 2018.


四、代表性论著(第一作者,限10篇)

【1】Xin Shi; Robert Qiu; Zenan Ling; Fan Yang; Haosen Yang; Xing He; Spatio-Temporal Correlation Analysis of Online Monitoring Data for Anomaly Detection and Location in Distribution Networks, IEEE Transactions on Smart Grid, 2020, 11(2): 995-1006.

【2】Xin Shi; Robert Qiu; Tiebin Mi; Xing He; Yongli Zhu; Adversarial Feature Learning of Online Monitoring Data for Operational Risk Assessment in Distribution Networks, IEEE Transactions on Power Systems, 2020, 35(2):975-985.

【3】Xin Shi; Robert Qiu; Xing He; Zenan Ling; Haosen Yang; Lei Chu; Early Anomaly Detection and Localization in Distribution Networks: A Data-Driven Approach, IET Generation, Transmission & Distribution, 2020, 14(18):3814-3825.

【4】Xin Shi; Robert Qiu; Power System Real-time Operation Situation Assessment Based on Random Matrix Theory, IEEE Power & Energy Society General Meeting, Montreal, QC, Canada, 2020-8-2至2020-8-6.

【5】石鑫, 朱永利, 宁晓光, 孙岗, 陈国强. 基于深度自编码的电力变压器故障诊断[J]. 电力自动化设备, 36(5): 122-126, 2016.

【6】石鑫, 朱永利, 萨初日拉, 王刘旺, 孙岗. 基于深度信念网络的电力变压器故障分类建模[J].电力系统保护与控制, 44(1): 71-76, 2016.

【7】石鑫, 朱永利. 深度学习神经网络在电力变压器故障诊断中的应用[J].电力建设, 12(36): 116-122, 2016.