一、基本情况
朱利鹏，男，1990年生，湖南郴州人，湖南大学教授、博士生导师，国家级高层次人才青年项目获得者，岳麓学者，IEEE会员，中国电科院期刊中心青年专家团成员。近期主要从事数据驱动的电力系统稳定分析与控制、广域同步相量测量技术、电力系统广域时空数据分析、机器学习及其在电力系统中的应用等方面的研究工作。
目前担任IEEE Trans. on Power Systems、IEEE Trans. on Smart Grid、IEEE Trans. on Industrial Informatics、IEEE Internet of Things Journal、IEEE Trans. on Engineering Management等国际顶级SCI期刊的审稿专家，曾获第1届IEEE可持续电力与能源会议(iSPEC)优秀论文奖。近5年发表SCI/EI论文30余篇，其中以第一作者在IEEE Trans. on Power Systems、IEEE Trans. on Smart Grid、IEEE Trans. on Industrial Informatics、IEEE Internet of Things Journal、IEEE Trans. on Sustainable Energy等IEEE旗舰期刊上发表SCI论文16篇(平均影响因子8.81)，出版英文学术著作1部。作为项目负责人主持国家自然科学基金、国家科技部高端**专家项目、湖南省自然科学基金等纵向科研项目3项，作为技术负责人/研究骨干参与香港研究资助局 (RGC)重大主题研究计划、国家自然科学基金重点项目、国家重点研发计划课题、南方电网公司重点科技项目等重点科研项目6项。
招生专业：电气工程 二级学科：电力系统及其自动化 招生/招聘类别：硕士、博士、博士后
本人与清华大学、北京大学、复旦大学等境内一流高校及美国、加拿大、香港、澳大利亚等地国际知名高校的学者有着密切的学术交流与合作，可为学生提供广阔的国际化学术视野，并推荐在科研方面有突出潜力的优秀学生赴国内外知名高校进行访学交流或攻读博士学位。欢迎具有电气、控制、计算机等专业背景的学生报考博士和硕士研究生，尤其欢迎富有钻研探索精神、对大数据/机器学习等交叉学科有浓厚兴趣的学生报考。
本团队科研经费充足，常年招收电气、控制等领域具有突出研究潜力的博士后，基本待遇和支持保障措施如下：1）20万~30万元/年标准拨付人员经费+学院/导师配套经费+1800元/月租房补贴；2）按政策享受长沙市人才补贴，包括生活补贴和购房补贴13-20万元；3）在站期间学校计算工作年限，进站前无工作经历的博士后人员参加工作时间从进站之日起计算；4）博士后期间认定副研究员指标单列；5）学校特设“杰出博士后”奖，入选者出站后可申请事业编制教学科研岗位；6）享受本校教师同等科研成果奖励；7）在站期间可在我校落户，子女享受我校教职工子女入托、入学待遇。有意申请者可邮件联系本人。
E-mail：lpzhu@hnu.edu.cn (首选); zhulpwhu@126.com
二、学习研究经历
2021.09－至今 湖南大学电气与信息工程学院电气工程系，副教授、教授
2018.08－2021.08 香港大学电机电子工程系，高级研究助理/博士后
2015.09－2018.07 清华大学电机工程与应用电子技术系，工学博士
2012.09－2015.06 武汉大学电气工程学院，工学硕士(免试推荐)
2008.09－2012.06 华中科技大学电气与电子工程学院，工学学士
三、主要科研项目
1. 香港大学博士后资助项目(HKU-PDF)：数据驱动的复杂系统分布式控制(Data-based distributed control of complex systems)，2020~2021，技术负责人。
2. 香港研究资助局重大主题研究计划(HK-RGC-TRS)：面向高比例可再生能源的可持续输电网络架构(Sustainable power delivery structures for high renewables)，2015~2019，课题研究骨干。
3. 香港研究资助局优配研究金(HK-RGC-GRF)：电力系统新型电压稳定问题研究(New analytical issues in power grid voltage stability)，2018~2020，项目研究骨干。
4. 国家自然科学基金面上项目：基于海量广域时序数据分析的电力系统暂态电压稳定评估方法研究，2017~2020，项目研究骨干。
5. 国家自然科学基金联合基金重点项目：基于复杂事件处理和深度学习的电压稳定协同感知与控制研究，2018~2021，项目研究骨干。
6. 国家重点研发计划课题：多源信息驱动的大电网动态特征分析、安全稳定评估及趋势预测方法，2018~2021，课题参与人。
7. 南方电网公司重点科技项目：基于大数据的电网态势感知关键技术研究及示范应用，2015~2018，子课题技术负责人。
四、代表性论著
英文著作：
[1] Innocent Kamwa, Chao Lu, and Lipeng Zhu, Monitoring and Control using Synchrophasors in Power Systems with Renewables, IET Press, 2020. [Link]
代表性论文(# Equal Contribution, * Corresponding Author, updated on December 6th, 2021)：
[2] Lipeng Zhu, David J. Hill, and Chao Lu*, “Semi-Supervised Ensemble Learning Framework for Accelerating Power System Transient Stability Knowledge Base Generation,” IEEE Trans. on Power Systems, 2021, in Press. [Link]
[3] Lipeng Zhu, and Yue Song*, “Sequential Data-Driven Automatic Calibration of Wind Turbine Fault Information in Smart Grids,” IEEE Internet of Things Journal, 2021, in Press. [Link]
[4] Lipeng Zhu*, and David J. Hill, “Networked Time Series Shapelet Learning for Power System Transient Stability Assessment,” IEEE Trans. on Power Systems, 2021, in Press. [Link]
[5] Tao Liu#, Yue Song#, Lipeng Zhu#, and David J. Hill*, “Stability and Control of Power Grids”, Annual Review of Control, Robotics, and Autonomous Systems, 2021, in Press.
[6] Lipeng Zhu*, and David J. Hill, “Spatial-Temporal Data Analysis Based Event Detection in Weakly Damped Power Systems,” IEEE Trans. on Smart Grid, 2021, in Press. [Link]
[7] Lipeng Zhu*, and Yonghong Luo, “Deep Feedback Learning Based Predictive Control for Power System Undervoltage Load Shedding,” IEEE Trans. on Power Systems, 2021, 36(4): 3349-3361. [Link]
[8] Lipeng Zhu, and Xinran Zhang*, “Time Series Data-Driven Online Prognosis of Wind Turbine Faults in Presence of SCADA Data Loss,” IEEE Trans. on Sustainable Energy, 2021, 12(2): 1289-1300. [Link]
[9] Lipeng Zhu, and Junjie Lin*, “Learning Spatio-Temporal Correlations for Missing Noisy PMU Data Correction in Smart Grid,” IEEE Internet of Things Journal, 2021, 8(9): 7589-7599. [Link]
[10] Lipeng Zhu*, and David J. Hill, “Cost-Effective Bad Synchrophasor Data Detection Based on Unsupervised Time Series Data Analytic,” IEEE Internet of Things Journal, 2021, 8(3): 2027-2039. [Link]
[11] Lipeng Zhu*, David J. Hill, and Chao Lu, “Intelligent Short-Term Voltage Stability Assessment via Spatial Attention Rectified RNN Learning,” IEEE Trans. on Industrial Informatics, 2020, in Press. [Link]
[12] Lipeng Zhu, Chao Lu*, and Yonghong Luo, “Time Series Data-Driven Batch Assessment of Power System Short-Term Voltage Security,” IEEE Trans. on Industrial Informatics, 2020, 16(12): 7306-7317. [Link]
[13] Lipeng Zhu*, David J. Hill, and Chao Lu, “Hierarchical Deep Learning Machine for Power System Online Transient Stability Prediction,” IEEE Trans. on Power Systems, 2020, 35(3): 2399-2411. [Link]
[14] Lipeng Zhu, Chao Lu*, Innocent Kamwa, and Haibo Zeng, “Spatial-Temporal Feature Learning in Smart Grids: A Case Study on Short-Term Voltage Stability Assessment,” IEEE Trans. on Industrial Informatics, 2020, 16(3): 1470-1482. [Link]
[15] Lipeng Zhu, Chao Lu*, Zhao Yang Dong, and Chao Hong, “Imbalance Learning Machine Based Power System Short-Term Voltage Stability Assessment,” IEEE Trans. on Industrial Informatics, 2017, 13(5): 2533–2543. [Link]
[16] Lipeng Zhu, Chao Lu*, and Yuanzhang Sun, “Time Series Shapelet Classification Based Online Short-Term Voltage Stability Assessment,” IEEE Trans. on Power Systems, 2016, 32(2): 1430-1439. [Link]
五、代表性授权专利
[1] 陆超, 朱利鹏, 苏寅生, 黄河, 刘映尚, 韩英铎. 一种基于电压时序轨迹的电力系统暂态电压稳定评估方法[P]. ZL201710649950.0.
[2] 陆超, 朱利鹏, 韩英铎, 汪际锋, 黄河, 苏寅生. 一种基于错分代价分类学习的电网暂态电压稳定评估方法[P]. ZL201510559370.3.
[3] 陆超, 朱利鹏, 韩英铎. 一种电力系统负荷区域暂态电压稳定的评估方法[P]. ZL201510025577.2.
