近日，DB彩票 向月教授作为第一作者，毕业硕士国网江苏省电力有限公司江阴市供电分公司卢宇、刘友波教授作为共同通信作者在Nature 首个工程领域子刊Communications Engineering（《通讯•工程》）在线发表了题为“Adaptive hierarchical learning for uncertainty-aware distributed energy resource planning”的文章。论文获得了四川省自然科学基金(2026NSFSCZY0091)、国家自然科学基金（52177103）资助。

  该文针对分布式能源资源规划中多不确定性（如第三方运营商对安全约束的部分可观测性导致的隐式不确定性）挑战，首次构建了一种自适应分层学习架构。该框架通过双层Stackelberg结构协同优化分布式资源的位置、容量和运行策略，无需依赖模型简化或预定义场景。论文在标准和实际配电算例系统上验证了该方法的有效性，在保证电网安全前提实现更低的投资成本、更快的求解速度，能提升规划效益。

  该文创新性提出分层自组织协同自动规划范式：规划-运行协同，使投资策略动态适应电网多场景条件；不确定性适应协同，提升对隐式约束的自主学习能力；计算-效能协同，增强大规模系统的可扩展性。通过非物理绑定式交互，如局部观测下的数据驱动决策，赋予分布式资源规划自优化能力，在降低依赖场景假设的同时，显著提升可再生能源消纳水平和电网调节灵活性。

  《通讯•工程》（《Communications Engineering》）是国际著名学术期刊Nature旗下首个工程子刊，自2022年创刊以来年均发文量不超过100篇。向月所在四川大学智能电网优化运行与电力市场运营研究团队长期从事规模化分布式资源接入配电系统聚合调控、互动运营、协同规划等方面的理论技术、市场机制及设备系统研发工作，与斯坦福大学、巴斯大学、中国电力科学研究院等国内外科研团队保持长期交流合作，共同探索新型电力系统低碳化、数智化、市场化转型变革新需求及技术路线。

论文引用与链接：

Xiang, Y., Li, L., Lu, Y. et al. Adaptive hierarchical learning for uncertainty-aware distributed energy resource planning. Commun Eng (2026). //doi.org/10.1038/s44172-026-00591-x

//www.nature.com/articles/s44172-026-00591-x