孙海莹
时间:2024-05-03 22:57 来源: 作者: 点击:次
更新日期：2023年2月23日 姓 名 孙海莹 性 别 女 出生年月 籍贯 民 族 汉族 政治面貌 最后学历 博士研究生毕业 最后学位 技术职称 副教授 导师类别 博、硕导 行政职务 Email sunhaiying@scut.edu.cn 工作单位 华南理工大学海洋科学与工程学院 邮政编码 通讯地址 单位电话 个人简介 孙海莹博士长期从事风能相关研究工作，包括：（1）水平轴风机尾流性能研究：开发单风机和多风机的三维尾流模型；（2）尾流实验研究：开展风场实尺度风机测量实验和风洞模型实验；（3）风场布局优化研究：针对海域实际条件，设计先进的海上风场优化方案；（4）风机功率预测研究：应用大数据和人工智能技术，优化偏航角度，提高风场发电效率；（5）海上人员传送技术：开展多体船的水动力性研究，提出海上人员传送的可靠方案。孙海莹博士曾参与石家庄某风场的尾流测量与研究项目，与国内外多家科研机构长期保持合作关系，担任20多个SCI期刊审稿人，共发表近20多篇高水平学术论文，被引用次数600多次，H指数14（2023年2月）。 工作经历 2022.05 - 今， 华南理工大学，副教授2019.09 - 2022.05，香港理工大学，博士后研究员 教育经历 (1) 2016.08 – 2019.08, 香港理工大学, 建筑环境及能源工程, 博士(2) 2014.09 – 2016.06, 大连理工大学, 船舶与海洋工程, 硕士(3) 2010.08 – 2014.07, 哈尔滨工程大学, 船舶与海洋工程, 学士 科研项目 [1] 2023.01.01 – 2025.12.31 国家自然科学基金青年项目：浮式风机动态尾流特性实验及理论研究，主持。[2] 2022.1.1-2023.12.31 中央高校基本科研业务费面上项目：偏航风机的尾流特性研究，主持。[3] 2018.01.01 – 2022.05.31 香港 RISUD Strategic Focus Area Project: Development of 3D wind turbine wake models for energy efficiency improvement of offshore wind power generation systems，参与。 发表论文 （1）期刊论文 （5篇代表作）[1] Sun, H., Qiu, C., Lu, L., Gao, X., Chen, J., & Yang, H. (2020). Wind turbine power modelling and optimization using artificial neural network with wind field experimental data. Applied Energy, 280, 115880.[2] Sun, H., Gao, X., & Yang, H. (2020). Experimental study on wind speeds in a complex-terrain wind farm and analysis of wake effects. Applied Energy, 272, 115215.[3] Sun, H., & Yang, H. (2020). Numerical investigation of the average wind speed of a single wind turbine and development of a novel three-dimensional multiple wind turbine wake model. Renewable Energy, 147, 192-203. [4] Sun, H., Yang, H., & Gao, X. (2019). Investigation into spacing restriction and layout optimization of wind farm with multiple types of wind turbines. Energy, 168, 637-650.[5] Sun, H., Gao, X., & Yang, H. (2019). Validations of three-dimensional wake models with the wind field measurements in complex terrain. Energy, 189, 116213.（2）会议论文 （5篇代表作）[1] Sun H., Yang H. Study on the Impact of Wind Turbine Relative Position on Power Output Performance. Applied Energy Symposium: MIT A+B (AEAB2021); 11-13 August 2021; Boston, USA / Virtual.[2] Sun, H., Gao, X., & Yang, H. (2021). Investigation into the wind speed-up and the wind turbine wake effect in complex terrain. Paper presented at the The 2nd International Conference for Global Chinese Academia on Energy and Built Environment, Chengdu, China.[3] Sun, H., & Yang, H. (2020). Development of an Artificial Neural Network model for wind energy. Paper presented at The 12th International Conference on Applied Energy: Sustainable energy solutions for changing the world, Bangkok, Thailand / Virtual.[4] Sun, H., Gao, X., & Yang, H. (2019). Wake effect measurements on a complex-terrain wind field. Paper presented at the Applied Energy Symposium: MIT A+B (AEAB2019), Boston, USA.[5] Sun, H., & Yang, H. (2018). Comparative study on a newly-developed three-dimensional wind turbine wake model. Paper presented at The 10th International Conference on Applied Energy: Innovative Solutions for Energy Transitions, Hong Kong, China. |