近日，公司马云凤博士以第一作者身份在国际高水平期刊《IEEE Transactions on Smart Grid》发表题为“Unified Load Flow Modeling and Boundary-Aware RoPINN Framework for Particle-Like EV Aggregation Dynamics”的学术论文。合作单位包括盐城工学院、盐城小绿芽科技有限公司、香港科技大学（广州）、上海交通大学。该论文于2026年2月16日在线发表，DOI：10.1109/TSG.2026.3665273。

《IEEE Transactions on Smart Grid》由国际电气和电子工程师协会（IEEE）出版，该刊当前影响因子为9.8，中科院1区Top期刊，是智能电网与电力系统领域具有重要影响力的国际学术期刊，影响因子在新能源并网、电动汽车充电优化、智能配电系统与能源管理等研究方向享有较高学术声誉。该成果的发表，标志着公司在电动汽车负荷建模与智能电网交叉研究领域取得了新的进展。

电动汽车充电行为具有较强的随机性，同时存在观测数据稀疏、不完整等现实问题，给充电负荷预测与电网优化运行带来较大挑战。针对上述问题，马云凤博士围绕电动汽车聚合充电动态建模开展研究，提出了统一负荷流模型（Unified Load Flow，ULF），用于刻画电动汽车充电行为在时空维度上的动态演化过程，并将车辆到达与离开过程作为边界条件纳入建模体系。

在模型求解方面，论文采用经典点优化物理信息神经网络（PoPINN）进行求解，并创新设计了边界条件约束机制，增强了训练过程中的物理一致性。进一步地，为提升模型在随机场景和数据稀疏条件下的鲁棒性与可靠性，论文提出了边界感知区域优化物理信息神经网络框架（Boundary-Aware RoPINN），将边界信息融入局部时空区域优化过程，有效提高了模型对电动汽车到达—离开动态一致性的刻画能力，实现了在不完整数据条件下对充电功率及负荷流演化的准确预测。

研究结果表明，该方法在合成数据集和真实数据集上均表现出良好的鲁棒性、准确性和实际应用潜力，可为大规模电动汽车充电优化调度和智能电网运行管理提供新的理论支撑与技术路径。

基于统一负荷流模型的电动汽车充电集群物理信息神经网络建模框架

近年来，公司坚持面向学科前沿和国家能源发展需求，持续推进科研创新能力建设，不断提升高水平科研成果产出质量。此次论文发表，充分展现了公司教师在新型电力系统与人工智能交叉融合研究中的创新能力，对于进一步提升学校学术影响力和科研竞争力具有积极意义。

马云凤，博士，yl6809永利检测中心yl6809永利检测中心教师。主要研究方向为电动汽车充电负荷建模、智能电网优化及物理信息神经网络等。