香港理工大学博士导师（Chi Yung Chung教授）

01、招生要求

香港理工大学研究型研究生课程（RPG）的入学标准分为学术资格与语言能力两类。

学术资格方面，博士项目设两种修读年限。三年制项目申请者需持有哲学硕士（MPhil）或等同的研究型硕士学位，该学位必须包含论文答辩要求。四年制项目接受两类申请者：第一类需同时持有硕士学位和学士学位；第二类需持有甲等荣誉学士学位或同等学历。所有学位须由认可大学颁授。电气与电子工程系对专业背景有明确要求，申请者需在应用数学、计算机科学、电机工程、电子工程、材料科学、物理科学或相关领域完成学位。本科申请者通常需获得二级甲等或以上荣誉等级。硕士申请者需具备优良的专业成绩。有学术论文发表经历的申请人将获得优先考虑。

语言能力方面，非英语授课背景申请者需提供两年内有效成绩。雅思学术模块总分不低于6.5，托福网考不低于80分。两项测试均须一次性完成，不接受家考版或单项重考成绩。

申请流程与时间，首轮申请截止日为入学前一年的12月1日。建议申请者在11月中旬前提交材料，以获得12月初的面试机会。次年3月1日前提交的申请将视名额情况进入次轮评审。所有申请者应在提交前主动联系意向导师进行背景评估。面试仅向获邀请者发出通知。香港博士研究生奖学金计划（HKPFS）同步开放，获选者每月可获得约30,000港币资助，常规博士奖学金为每月19,220港币。

02、研究方向

Chi Yung Chung教授现为香港理工大学电气与电子工程系主任教授，同时是理工大學跨学科研究院成员。其h-index为56，2025年在IEEE系列期刊发表14篇论文，研究覆盖电力系统可靠性、智能电网、电力电子三大领域。

电力系统可靠性评估方法

该方向聚焦序贯蒙特卡洛模拟（SMCS）的改进。2025年发表在Journal of Modern Power Systems and Clean Energy的论文提出考虑元件多重故障模式的可靠性评估框架。研究建立三状态可靠性模型，分别描述老化失效与随机失效模式，通过Hash表分组技术提升计算性能。该工作突破传统两状态模型的局限，将状态持续时间变量解耦建模，可精确估算负荷削减概率（PLC）、期望频率（EFLC）和期望缺供电量（EENS）等指标。另一篇IEEE Transactions on Power Systems论文采用梯度提升决策树筛选含高风电渗透率的HVDC送端系统级联故障，将机器学习引入风险识别过程。

智能电网与微电网调度

该方向涉及虚拟电厂、需求响应和网络化微电网。IEEE Transactions on Industrial Informatics论文提出数据驱动的多面体包络法进行虚拟电厂能量调度。IEEE Transactions on Smart Grid论文开发了混合交直流微电网的稳态凸双变流器模型，实现经济调度高效求解。针对需求响应，IEEE Transactions on Smart Grid论文构建了分层博弈框架下的多智能体竞争性激励机制，联合处理多种不确定性。主动配电网频率约束最优恢复调度模型考虑了网络化微电网的动态边界，成果发表于IEEE Transactions on Power Systems。

电力电子与储能集成

该方向关注器件可靠性建模和储能系统集成。IEEE Transactions on Power Electronics论文提出基于开通门极电流变化率的SiC MOSFET栅极氧化物退化在线监测方法。IEEE Transactions on Industrial Electronics论文采用优化多正弦扰动信号快速表征锂离子电池阻抗与非线性。IEEE Transactions on Neural Networks and Learning Systems论文针对多微电网能源管理，设计联邦学习通信效率提升机制。Renewable and Sustainable Energy Reviews综述文章系统梳理了基于电力电子的储能系统动态建模、分析挑战与未来方向。

状态估计与数据安全

该方向处理虚假数据注入攻击和异常检测。IEEE Transactions on Power Systems论文提出基于典范多叉分解的无参数交流状态估计攻击方法。IEEE Internet of Things Journal研究非侵入式负荷监测的对抗性数据异常检测与校准，引入深度学习应对数据污染。

人工智能与新能源材料

该方向探索机器学习在能源系统中的应用。Applied Energy论文研究钙钛矿材料与太阳能电池的数字化制造。Journal of Energy Chemistry论文通过半监督表征学习降低数据需求的电池寿命预测方法。IEEE PES会议论文采用约束学习法为电动汽车分配功率模块。

03、有想法

研究想法一：基于物理信息神经网络的多故障模式电力系统可靠性评估

传统序贯蒙特卡洛模拟依赖大量抽样，计算负担重。物理信息神经网络（PINN）可将元件状态转移的微分方程嵌入损失函数，实现少样本高精度评估。建议构建考虑气候变化影响的时变故障率模型，将温度、湿度等环境参数作为输入变量，通过PINN求解状态持续时间分布。该方法可在保持计算精度的前提下，将蒙特卡洛抽样次数减少60%以上。技术路线包括：1）建立环境应力与失效模式的物理关联模型；2）设计满足守恒定律的神经网络架构；3）采用迁移学习适应不同电网拓扑。预期成果为开发一套适用于大规模可再生能源系统的快速可靠性评估工具，投稿至IEEE Transactions on Power Systems。

研究想法二：面向多微电网交易的联邦学习-区块链融合架构

现有联邦学习研究侧重通信效率，忽视数据可信度与交易机制。建议设计联邦学习与区块链的混合架构，将微电网的分布式能源数据上链存证，利用智能合约自动执行能源交易。重点突破：1）设计轻量级共识算法适配资源受限的边缘设备；2）构建差分隐私与同态加密的协同机制，保护商业隐私的同时确保数据可验证；3）开发基于博弈论的激励分配策略，防止恶意节点搭便车。该研究可解决多微电网协作中的信任缺失问题，适用于香港本地微电网群与大湾区跨境能源交易场景，目标期刊IEEE Transactions on Smart Grid。

研究想法三：基于数字孪生的SiC器件健康管理与电力系统可靠性协同优化

当前器件级健康管理（PHM）与系统级可靠性评估相互独立，未实现信息闭环。建议建立SiC MOSFET数字孪生模型，将器件退化状态实时映射至电力系统可靠性评估。研究内容：1）融合电-热-机械多物理场仿真，构建栅极氧化物退化与阈值电压漂移的耦合模型；2）开发基于卡尔曼滤波的数字孪生状态更新算法；3）在系统层面，将器件健康状态作为马尔可夫过程的时变转移概率输入，实现元件-系统级联可靠性评估。该研究可支撑电力电子设备从定时维护向预测性维护转变，减少非计划停运，成果可发表于IEEE Transactions on Power Electronics与IEEE Transactions on Power Systems的跨学科专题。

研究想法四：不确定性驱动的鲁棒经济调度与备用容量协同优化

现有研究将不确定性集合与经济调度分离处理，导致保守性过高。建议提出动态不确定性集合构建方法，基于实时测量数据在线修正集合边界。创新点：1）采用在线凸包算法，根据预测误差自适应调整不确定性集合形状；2）在经济调度中引入条件风险价值（CVaR），实现期望成本与极端风险的平衡；3）设计调节备用容量与旋转备用的协调优化策略，考虑需求响应资源的快速调节能力。该方法可降低传统鲁棒优化的保守性，提升系统经济性，适用于香港电力市场的高比例光伏接入场景，投稿目标IEEE Transactions on Sustainable Energy。