在基于清洁能源实现净零未来的竞赛中，太阳能和风能等可再生能源已成为应对气候变化的潜在冠军。然而，随着传统同步发电机被基于逆变器的可再生能源所取代，这种转变给现有电网带来了低惯性挑战，导致稳定性和可靠性问题。

休斯敦大学电气和计算机工程助理教授李兴鹏正在研究一种解决方案，该解决方案将允许可再生能源与电网其他部分的无缝集成，而不会造成任何问题。他因其提案“可再生能源为主的低惯量电力系统的频率约束能源调度”而获得了美国国家科学基金会职业奖。该项目的目标是确保不断发展的电力系统能够继续高效稳定地运行，同时支持快速增长的风能和太阳能发电。

惯性是重型旋转同步发电机中存储的总动能，它对于确保系统稳定性(包括大扰动期间的频率稳定性)是必要的。

“例如，当电网突然出现大量发电损失或电力负荷增加时，存储的动能立即转化为电能，解决发电量暂时不足的问题，”李解释道。

“然而，随着风能和太阳能在电网中所占比例的增加，我们希望最大限度地利用它们，因为它们的边际成本为零并且提供清洁能源，”他补充道。“由于我们减少了传统发电机的使用，我们也大大减少了电力系统的惯性。”

李和他的研究团队将利用机器学习来创建更高效​​、更简单的动态性能模型，然后将这些模型集成到电网运营商使用的日前调度应用程序中，以调度下一个运营日的所有发电资源。

“通过在这个新框架中将机器学习模型与调度优化模型相结合，我们不仅可以确保高效运行，还可以确保电网稳定性，”他说。“通过提出的新建模和计算方法，我们可以更好地管理电网并确保它能够为所有消费者提供持续的优质电力。”

李还希望激励和吸引子孙后代，特别是 K-12 学生和大学生，包括研究生课程的学生。

他的团队还将为更大的研究社区创建一个免费的开源工具，以提供基准测试功能。它将有一个易于理解的图形用户界面，向 K-12 学生解释电力工程，并鼓励他们考虑未来的电力行业职业。

此外，研究人员正在开发一门名为“电力系统应用机器学习”(简称“AppML”)的新课程，以帮助教授高级概念。

“机器学习技术在电力系统中变得越来越流行，因为它们有助于改进各种电力系统应用。随着对机器学习专业知识的需求不断增长，学生和工程师获得机器学习方面的知识和技能至关重要。” “但是，全国范围内结合机器学习和电力系统的课程并不多。这门新课程将满足这一劳动力需求。”

今年早些时候，美国国家科学院、工程院和医学院的海湾研究项目选择李作为海上能源安全领域的早期职业研究员。早期职业奖不属于特定项目，这使得研究员能够从事他们原本无法进行的研究。

李的研究兴趣包括各种电力能源系统的规划和运营，包括大电网和微电网。他领导着夏威夷大学可再生电网 (RPG) 实验室。他还是夏威夷大学电力电子、微电网和海底电力系统中心 (PEMSEC) 的副主任。

他的实验室专注于陆上和海上能源系统的能源安全、转换和传输。为了促进可再生能源丰富的未来电网的发展，该小组提出了新的模型和算法来提高能源系统的效率和安全性。该实验室的工作还通过促进可再生能源和绿色氢的电网整合，为净零能源系统做出贡献。

李撰写了 60 多篇同行评审论文，近年来一直在迅速扩大他的研究范围。2019 年，他因在电力行业技术与实践创新挑战赛中提交的两份获奖作品获得了美国电力办公室颁发的Tier-1 和 Tier-2 银奖。他被离岸技术会议评为新兴领袖，并于 2023 年被佐治亚理工学院能源教员计划选拔。

在加入 UH 之前，他是 ABB 电网部门(现为日立能源)的高级应用工程师。他还曾在 ISO New England 和 PJM Interconnection 的研发部门工作。

李先生拥有中国山东大学电气工程专业学士学位(主修电力工程)和浙江大学电气工程专业硕士学位(主修电力系统)。他在亚利桑那州立大学获得了工业工程的第二个硕士学位，在佐治亚理工学院获得了计算机科学(机器学习)的第三个硕士学位，并在麻省理工学院获得了博士学位。亚利桑那州立大学电气工程专业。