近日，essential science indicators （基本科学指标，简称esi）数据库发布了最新的高影响力论文。电机系一篇发表在ieee transactions on smart grid（《ieee智能电网汇刊》）上的论文《review of smart meter data analytics: applications, methodologies, and challenges》成果同时入选为esi高被引论文和热点论文，该论文第一作者电机系博士生王毅（现瑞士苏黎世联邦理工学院博士后），第二作者是电机系长聘副教授陈启鑫，通信作者是电机系教授康重庆，北卡罗来大学夏洛特分校洪韬教授是论文的重要合作者。
论文自2019年正式发表以来，在web of science中一共被引用116次，位列0.135%。google scholar（谷歌学术）中一共被引用362次。施引文献作者来自于美国、加拿大、英国、法国、德国、意大利、瑞士、丹麦、希腊、芬兰、葡萄牙、日本、印度、印度尼西亚、沙特等二十多个国家。此外，论文发表至今，一直位于ieee transactions on smart grid期刊的热门论文（popular papers）前列。
论文《review of smart meter data analytics: applications, methodologies, and challenges》在国家重点研发计划“高比例可再生能源并网的电力系统规划与运行基础理论”的支持下展开。在我国全面推进数字化转型的大背景下，如何将数据转化为有效信息，从而为能源系统的实时监控与决策提供有力支撑，是目前电力与能源领域需要全面探索的问题。随着能源系统的数字化转型的不断推进，智能电表也在不断普及，用电数据的全面分析成为全球的研究热点，其核心是挖掘智能电表量测数据的价值，从而进行有针对性的辅助决策、提升用电能效，进而促进可再生能源消纳、减少碳排放。
该文对全球智能用电大数据的分析方法进行了全方位的详细总结与展望。该文从负荷分析、负荷预测以及负荷管理三个大方面、九个小方向全面总结智能用电大数据的典型应用，除此之外还分析了智能用电大数据在拓扑分析、停电管理、数据压缩、数据隐私方面的研究。最后，该文从大数据融合与计算、新的机器学习技术、新的商业模式、能源结构转型、数据隐私与安全等方面展望了未来智能用电大数据的研究方向。论文同时也介绍了电机系在用电数据压缩、用电行为分析、用户肖像描绘、用电坏数据辨识、概率性负荷预测等方面的工作。
据悉，esi高影响力论文（top papers）主要包括两种： 一种是高被引论文（highly cited papers），指发表在最近10~11年根据同年同esi学科统计被引用次数进入前1%的论文；另一种则是热点论文（hot papers），指按esi学科统计最近两年发表、在最近两个月里被引用次数前0.1%的论文。
论文原文链接
review of smart meter data analytics: applications, methodologies, and challenges
https://ieeexplore.ieee.org/document/8322199
新闻动态