8月26日，计算机科学学院何顺帆副教授课题组在中科院工程技术top期刊IEEE Transactions on Instrumentation and Measurement杂志发表题为Online Compression of Multichannel Power Waveform Data in Distribution Grid With Novel Tensor Method的研究论文。

该课题组从属威尼斯wns8885556计算机控制与先进制造技术科研团队（团队负责人田微教授），此前已在IEEE Transactions on Industrial Informatics发表论文Electrical Signature Analysis for Open-Circuit Faults Detection of Inverter with Various Disturbances in Distribution Grid， Electric Signature Detection and Analysis for Power Equipment Failure Monitoring in Smart Grid，和A High Efficient Approach for Power Disturbance Waveform Compression in the View of Heisenberg Uncertainty，在Sustainable Energy Technologies and Assessments发表论文Multiple open-switch faults detection for grid connected inverter，在中国电机工程学报发表论文电能质量扰动数据特征的最优分辨率提取。

10kV储能电站电力数据监控系统 何顺帆 供图

张量算法在高维数据建模、特征提取和压缩方面具备显著优势，在多维信号处理、工业大数据分析、智能系统和机器学习等场景中具有重要研究意义。何顺帆副教授课题组针对电力系统大规模多维数据中张量算法的应用开展了一系列研究：提出了基于张量ＣＰ分解的电力数据在线压缩方法，能够有效压缩电网系统产生的大量多维数据，如电压、电流等时间序列，降低存储和传输开销，同时保留关键信息；提出了基于张量特征提取的电力设备故障诊断方法，能够从电力设备运行状态的多通道信号表征中提取张量模态特征，对设备监测信号中的复杂模式进行解耦，实现对设备故障的准确识别和诊断；提出了针对张量数据的迁移学习网络结构，能够通过对抗训练提高模型泛化能力，克服电力设备故障诊断中真实样本数据不足问题，提高故障诊断的准确性和可靠性。

何顺帆副教授长期从事智能电网大数据分析、电力设备故障诊断，此次系列相关研究成果，以第一作者或通信作者在IEEE汇刊发表论文7篇，在中国科技期刊卓越行动计划杂志发表论文2篇。