第二届电力系统与智能控制国际学术会议(EPSIC 2025)

科学技术的飞速发展为电力系统的自动化和智能化奠定了良好的基础，不仅使电力性能更加稳定、安全可靠，而且提高了综合控制效果。智能控制不仅具有高效的监测和控制功能，而且在预防和处理电力系统故障方面发挥着非常重要的作用，保证了整个电力系统的高效运行，同时也显著降低了能耗。

 

EPSIC 2025 是一场针对相关研究领域热点难点问题的深入、全程交流，采用线上线下相结合的形式，将于 2025 年初举行。组委会旨在为研究人员提供一个分享研究成果和前沿技术、了解学术动态、拓宽研究思路、加强学术讨论、促进学术成果转化的平台。

 

 

论文提交开始日期：2025 年 1 月 1 日

 

论文提交截止日期：2025 年 6 月 1 日

 

录取截止日期：2025 年 7 月 20 日

 

最终论文提交日期：2025 年 8 月 5 日

 

注册时间：2025 年 4 月 7 日至 8 月 7 日

 

会议时间：2025 年 8 月 15 日至 17 日

 

 

出版信息

在 EPSIC2025 上获得批准和展示的每篇论文都经过全面的评估过程。

所有获批的论文均收录在会议论文集中，并附有 ISBN。

 

出版历史

EPSIC2024，IEEE CPS 出版，ISBN：979-8-3503-6607-5，Ei Compendex，Scopus

 

全体大会演讲

 Mohamed BENBOUZID 教授，法国布雷斯特大学

报告标题：预测和系统健康管理：探索能源系统的循环扩展技术——潜力、应用和前景

报告摘要：由于数据量、速度和种类的大规模和快速演变，用于预后和健康管理的机器学习应用程序通常面临数据不可用、复杂性和漂移等问题。深度学习的进步在这一领域带来了许多改进，提供了生成建模、非线性抽象和自适应学习来应对这些挑战。深度学习旨在从提供原始特征空间的连贯抽象的表示中学习，使其更有意义且不那么复杂。然而，与各种失真相关的数据复杂性（例如更高的噪声水平）仍然难以克服。在此背景下，最近引入了递归扩展算法来探索比普通深度网络更深的表示，从而实现更好的特征映射。与传统的深度学习相比，传统的深度学习通过抽象输入提取有意义的表示，而递归扩展将整个深度网络合并为一个，允许将输入、映射和估计目标作为学习的主要来源进行探索。这三个信息来源提供了有关它们在深度网络中交互的额外信息。此外，递归扩展提供了调查多个网络的估计目标并学习重要特征的能力，从而提高了每一轮的准确性。

 

本主题演讲将对循环扩展、其主要学习规则、变体和在此背景下的预期发展进行一般概述。将提供有关能源系统的案例研究以说明复发性扩展预后的有效性。

 

个人介绍： Mohamed BENBOUZID 于 1994 年在法国格勒诺布尔的格勒诺布尔国立理工学院获得电气博士学位。2000 年，他进一步在法国亚眠的亚眠大学获得了 Diriger des Recherches 学位。博士学位完成后，Benbouzid 博士加入了亚眠大学，担任电气工程副教授。自 2004 年 9 月以来，他一直隶属于法国布雷斯特的布雷斯特大学，目前担任电气工程正教授。Benbouzid 教授的主要研究兴趣和专长包括电机控制、牵引、推进和可再生能源应用的变速驱动器，以及电机的故障诊断。Benbouzid 教授是 IEEE Fellow 和 IET 的 Member。他是 International Journal on Energy Conversion 和 Applied Sciences （MDPI） Section on Electrical， Electronics and Communications Engineering 的主编。他是 IET Renewable Power Generation 的副主编。

 

论文征集

我们鼓励您通过向 EPSIC 2025 提交您的研究摘要和论文来为会议做出贡献并帮助塑造会议。提交的主题包括：

电力系统

 

电力系统及其自动化

电力电子学及其应用

电力系统建模、仿真和分析

电力系统规划和调度

电能质量和电磁兼容性

电力系统和能源

电力系统通信

电力系统保护、作和控制

电力系统的可靠性和安全性

电能质量和系统稳定性分析

电力传输

电力系统稳定性

电力物联网

测量技术和仪器

MEMS-微传感器和结构

传感器和微型机器

电能处理

ICSmart 电网 / 电源 IC

输配电系统及设备

电力驱动和应用

智能控制

 

电力系统的稳定运行和控制

电机及其智能控制系统

新能源系统与控制技术

智能控制与信息处理技术

智能决策方法和应用

控制理论与应用

智能和最优控制系统

自动控制理论

电力电子和电力驱动

信号采集和处理

电气控制技术

机电传动控制

自适应系统识别控制

人工智能专家系统

自适应控制技术

模糊控制系统的稳定性、可控性和观察

控制系统仿真技术

导航引导和控制

机器人和机械手控制

感知控制系统

控制科学与技术

线性系统控制

控制和嵌入式系统

 

联系

 

电子邮件 ： icepsic@126.com

MS PI： 18684805810