王飞，男，1973年8月生，教授，博导，华北电力大学“双一流”建设科研团队项目负责人，国际电气与电子工程师学会高级会员（IEEE Senior Member），国际电工委员会可再生能源功率预测委员会（IEC SC8A/WG2）专家委员，河北省政府特殊津贴专家，清华大学电机系博士后，美国伊利诺伊大学香槟分校访问教授。

  目前担任国际学术期刊IET Renewable Power Generation（SCI收录，影响因子3.76）Associate Editor，Frontiers in Energy Research（EI收录）和 Protection and Control of Modern Power Systems（Springer）编委以及IET Renewable Power Generation等多个SCI收录期刊Special Issue的Lead Guest Editor和Guest Editor；2018年“综合能源与智能微网技术”与2017年“新能源发电功率预测与消纳技术”国际学术研讨会大会主席；IEEE SEST 2018、IEEE SEST 2019、SDEWES2019、SDEWES2020等国际学术会议的程序委员会、技术委员会与科学顾问委员会委员；多个国际学术期刊（IEEE Transactions on Industrial Electronics、IEEE Transactions on Power Systems、IEEE Transactions on Smart Grid、 IEEE Transactions on Industrial Informatics、IEEE Transactions on Sustainable Energy、Applied Energy、Energy等）与中文学术期刊（中国电机工程学报、电工技术学报、太阳能学报、电力系统自动化、电网技术等）的特约审稿专家。

  主要从事新能源功率预测、电力市场与需求响应、综合能源与虚拟电厂等方面研究工作，承担国家自然科学基金3项、国家重点研发计划项目子课题2项、国家科技支撑计划项目子课题1项及多项国家电网公司、南方电网公司横向项目。发表SCI收录论文40篇（其中ESI高被引8篇、Scopus高被引3篇），EI收录论文80多篇，出版中文学术专著1部，获授权发明专利9项。第一完成人获得河北省技术发明一等奖1项、河北省科协自然科学学术创新成果二等奖、河北省专利三等奖，获2018～2019年度科睿唯安“工程”和“交叉学科”两个领域“ESI前1%顶级审稿专家奖”、中国电力科技进步三等奖、中国南方电网公司科技进步三等奖。

1.教学课程：

  电力系统自动化，48学时，136人，本科生专业课；

  变电站综合自动化，32学时，122人，本科生专业课；

  电力系统风险评估，32学时，24人，研究生专业课；

  输变电系统及其保护与控制，32学时，66人，本科生专业课；

  电力专业英语，24学时，55人，本科生专业课；

  电力英语阅读，24学时，66人，本科生专业课；

2.学生培养

  毕业博士：甄钊（副导师）

  毕业硕士：周立栋、马大帅、刘力铭、李杰、庞帅杰、张展耀、俞伊丽、汪新康、孙玉晶、王哲、杨光、郭嘉、刘晓丽、李红萍。

3. 学生获得荣誉

  李康平，校长奖学金（博士），2019年；

  李康平，国家奖学金（博士），2019年；

  葛鑫鑫，国家奖学金（硕士），2019年；

  玄智铭，国家奖学金（硕士），2019年；

  李康平，IEEE电气安全预防工程设计项目奖，2019年；

  周立栋，华北电力大学优秀硕士学位论文，2018年；

  张展耀，华北电力大学优秀硕士学位论文，2019年；

1. 国家重点研发计划项目，促进可再生能源消纳的风电/光伏发电功率预测技术及应用，2018-2021，255.88万元.

2. 国家自然科学基金项目，基于云团运动数学描述与量化表征的光伏发电功率超短期预测方法研究，2016-2019，64万元.

3. 河北省重大成果转化项目，面向泛在电力物联网的智慧园区能源管控系统及成套设备产业化，2019-2020，80万元.

4. 国家科技部高端外专项目，面向“一带一路”国际合作的智慧能源系统基础理论与关键技术研究，2019-2020，73.89万元.

5. 北京市自然科学基金项目，适应复杂云场景及其多模式运动的光伏出力分钟级非线性预测方法，2016-2018，19万元.

6. 国家电网公司科技项目，资源波动过程的匹配方法研究，2017-2018，39.5万元.

7. 云南电网公司科技项目，区域新能源发电出力特性分析与集群划分方法研究，2016-2017，69万元.

1. 河北省人民政府，2019年，光伏发电功率多时空尺度预测关键技术及应用，河北省技术发明一等奖， 排名第1.

2. 河北省知识产权局，2018年，一种基于损失电量特征参数的光伏电站运行状态辨识方法，河北省专利三等奖，排名第1.

3. 中国电机工程学会，2018年，高原山地新能源集群消纳技术研究，中国电力科技进步三等奖，排名第6.

4. 河北省科学技术协会，2014年，基于统计参数的光伏发电太阳辐照度短期预测模型，河北省自然科学学术创新成果二等奖，独立.

5. 华北电力大学，2014年，并网型光伏电站发电功率预测方法与系统，华北电力大学优秀博士学位论文，独立.

[1] K. Li, L. Liu, F. Wang, T. Wang, N. Duić, M. Shafie-khah and J.P.S. Catalao, Impact factors analysis on the probability characterized effects of time of use demand response tariffs using association rule mining method, Energy Convers Manag 197, 2019, 111891, https://doi.org/10.1016/j.enconman.2019.111891.

[2] Z. Zhen, Z. Xuan, F. Wang, R. Sun, N. Duić and T. Jin, Image phase shift invariance based multi-transform-fusion method for cloud motion displacement calculation using sky images, Energy Convers Manag 197, 2019, 111853, https://doi.org/10.1016/j.enconman.2019.111853.

[3] K. Li, F. Wang, Z. Mi, M. Fotuhi-Firuzabad, N. Duić and T. Wang, Capacity and output power estimation approach of individual behind-the-meter distributed photovoltaic system for demand response baseline estimation, Appl Energy 253, 2019, 113595, https://doi.org/10.1016/j.apenergy.2019.113595.

[4] S. Talari, M. Shafie-khah, F. Wang, J. Aghaei and J.P.S. Catalão, Optimal Scheduling of Demand Response in Pre-Emptive Markets Based on Stochastic Bilevel Programming Method, IEEE Trans Ind Electron 66, 2019, 1453-1464, https://doi.org/10.1109/TIE.2017.2786288.

[5] K. Li, Q. Mu, F. Wang, Y. Gao, G. Li, M. Shafie-khah and J.P.S. Catalao, A business model incorporating harmonic control as a value-added service for utility-owned electricity retailers, IEEE Tran Ind Appl 2019, Early Access, https://doi.org/10.1109/TIA.2019.2922927.

[6] Z. Zhen, S. Pang, F. Wang, K. Li, Z. Li, H. Ren, M. Shafie-khah and J.P.S. Catalao, Pattern classification and PSO optimal weights based sky images cloud motion speed calculation method for solar PV power forecasting, IEEE Trans Ind Appl 55, 2019, 3331–3342, https://doi.org/10.1109/TIA.2019.2904927.

[7] J. Lai, X. Lu, F. Wang, P. Dehghanian and R. Tang, Boardcast gossip algorithms for distributed peer-to-peer control in AC microgrids, IEEE Tran Ind Appl 55, 2019, 2241-2251, https://doi.org/10.1109/TIA.2019.2898367.

[8] F. Wang, Z. Zhang, C. Liu, Y. Yu, S. Pang, N. Duić, M. Shafie-khah and J.P.S. Catalao, Generative adversarial networks and convolutional neural networks based weather classification model for day ahead short-term photovoltaic power forecasting, Energy Convers Manag 181, 2019, 443–462, https://doi.org/10.1016/j.enconman.2018.11.074.

[9] F. Wang, K. Li, L. Zhou, H. Ren, J. Contreras, M. Shafie-khah and J.P.S. Catalao, Daily pattern prediction based classification modeling approach for day-ahead electricity price forecasting, Int J Electr Power Energy Syst 105, 2019, 529–540, https://doi.org/10.1016/j.ijepes.2018.08.039.

[10] F. Wang, Z. Zhen, C. Liu, Z. Mi, B.M. Hodge, M. Shafie-khah and J.P.S. Catalao, Image phase shift invariance based cloud motion displacement vector calculation method for ultra-short-term solar PV power forecasting, Energy Convers Manag 157, 2018, 123–135, https://doi.org/10.1016/j.enconman.2017.11.080.

[11] F. Wang, K. Li, C. Liu, Z. Mi, M. Shafie-Khah and J.P.S. Catalao, Synchronous pattern matching principle-based residential demand response baseline estimation: mechanism analysis and approach description, IEEE Trans Smart Grid 9, 2018, 6972–6985, https://doi.org/10.1109/TSG.2018.2824842.

[12] F. Wang, K. Li, N. Duić, Z. Mi, B.M. Hodge, M. Shafie-khah and J.P.S. Catalao, Association rule mining based quantitative analysis approach of household characteristics impacts on residential electricity consumption patterns, Energy Convers Manag 171, 2018, 839–854, https://doi.org/10.1016/j.enconman.2018.06.017.

[13] Q. Chen, F. Wang, B.M. Hodge, J. Zhang, Z. Li, M. Shafie-khah and J.P.S. Catalao, Dynamic price vector formation model-based automatic demand response strategy for PV-assisted EV charging stations, IEEE Trans Smart Grid 8, 2017, 2903–2915, https://doi.org/10.1109/TSG.2017.2693121.

[14] F. Wang, H. Xu, T. Xu, K. Li, M. Shafie-khah and J.P.S. Catalão, The values of market-based demand response on improving power system reliability under extreme circumstances, Appl Energy 193, 2017, 220–231, https://doi.org/10.1016/j.apenergy.2017.01.103.

[15] F. Wang, Z. Zhen, Z. Mi, H. Sun, S. Su and G. Yang, Solar irradiance feature extraction and support vector machines based weather status pattern recognition model for short-term photovoltaic power forecasting, Energy Build 86, 2015, 427–438, https://doi.org/10.1016/j.enbuild.2014.10.002.