2025年2月24日（周一）上午，英国兰卡斯特大学工程学院马献东教授受邀在南京理工大学经济管理学院以“基于状态监测与故障诊断的风力发电系统智能运维技术开发”为题作学术报告。省应用统计学会副理事长兼秘书长程龙生教授主持报告会，南京理工大学经济管理学院、机械学院多位教师与博硕士研究生参加了报告会，此外还有来自江苏科技大学经济管理学院及江苏新能源有限公司的相关人员等20余人参加了本次交流活动。

报告伊始，程龙生教授首先对参加学术报告会的师生表示了欢迎和感谢，介绍了与兰卡斯特大学工程学院马献东等三位教授在故障预测与健康管理方面的合作背景，介绍了马献东教授的主要研究领域及学术成就。

马献东教授在一个半小时的报告中首先介绍了英国海上风电场的发展现状和面临的挑战，特别是到2030年要实现50GW海上风电的目标，浮式风力发电机和混合风浪能系统的开发对于实现这一目标的重要性。然后，马献东教授关注到风力发电系统运维中的成本问题，指出降低初始资本成本、提高发电效率、简化电网连接和降低运维成本是实现能源成本降低的关键。他强调了状态监测在提高设备可用性和可靠性方面的重要性，通过状态监测可以预测潜在故障，从而实现预防性维护。为此，他结合自己的科研团队近年来相关研究成果，详细介绍了机器学习模型，包括监督学习、无监督学习和强化学习在状态监测和故障诊断中的应用。他还介绍了深度学习模型，如人工神经网络（ANN）、长短期记忆网络（LSTM）和门控循环单元（GRU），这些模型在恶劣海洋环境中下风力发电系统中的应用可以提高故障诊断的准确性。在实验研究与应用方面，马献东教授展示了用于风力发电系统的实验测试平台。此外，他还讨论了机器学习和深度学习在智能电网中的应用，包括实时能源管理、分布式控制和电力盗窃检测。最后，马献东教授总结了状态监测的优势，包括提高风力发电系统的性能、可用性和可靠性，实现在线实时监测和智能诊断，以及降低运维成本。他强调了跨学科研究的重要性，并展望了未来在开发新的基于物理知识的分析模型和数据驱动的状态监测技术方面的研究方向。讲座的最后，马献东教授与部分师生对相关研究内容进行了深入的交流和答疑解惑。

专家简介：

马献东，英国兰卡斯特大学工程学院电力与能源系统学科Reader，他的研究兴趣包括电力和能源系统的智能状态监测和故障诊断；可再生能源系统的基于状态的运行和维护、建模、优化和控制；机器学习和数字孪生解决方案。他的工作得到了英国EPSRC、皇家学会、Leverhulme Trust、欧盟委员会和行业的支持。他在主要期刊和会议上发表了170多篇论文。他曾担任IEEE ICAC'18的技术项目主席、IEEE ICAC'19的大会主席和2019-2021年英国中国自动化与计算学会（CACSUK）主席。他是特许工程师（CEng）、工程与技术学会（FIET）Fellow和高等教育学院（FHEA）Fellow 。在斯坦福大学发表的论文引文影响方面，他被列为世界前2%的研究人员。