Research

My current research interests are

• system identification and machine learning techniques in solar forecasting

  • probabilistic solar power forecasting
  • estimation of ground irradiance using cloud information from satellites
  • improving NWP forecasts (from WRF models) using statistical methods
  • regional solar power forecasting (in central Thailand)
  • ensemble methods in solar forecasting

• Energy management system for grid edge application

  • building EMS consisting eletrical loads, PV, and batteries
  • economic and islanding objectives

• dynamical models for explaining brain connectivity from fMRI or EEG signals

  • Granger causality on state-space models
  • stability constraints in an estimation of causal models
  • learning differential brain networks from multi groups of subjects

• techniques of seizure detection in EEG signals
• model inference applications (environment, neuroscience, etc.)

Research Projects

running from the newest.

1. Outlook for grid edge technologies toward RE100 project with Center of Excellence in Electrical Power (CEPT)

   • Data Management and Data Analytics
   • Energy management system
   • Duration Aug 2022 - June 2023

2. โครงการพัฒนาแพลตฟอร์มเมืองอัจฉริยะและการทดสอบในจุฬาลงกรณ์มหาวิทยาลัย (Smart City Platform Development and Testing at Chulalongkorn University) จากสถาบันวิจัยพลังงาน จุฬาลงกรณ์มหาวิทยาลัย

   • Research Project: Solar forecasting model development and implementation. The models provide solar power forecasts with 1-day-ahead and hour-ahead horizon for 9 solar stations in Chula.
   • Duration: Apr 1, 2020 - Sep 20, 2022

3. โครงการพัฒนาแผนที่พลังงานแสงอาทิตย์ของประเทศไทย (Thailand solar map) with Smart Grid Research Unit

   • Thailand solar map project report (with Sararut Pranonsatid and Parinthorn Manomaisaowapak)
   • Duration: Mar 2020 - June 2021

4. Chula Engineering Research grant: Oct 2018 - Sep 2019 (15 ส.ค. 2563- 14 ส.ค. 2564)

   • Title: Algorithms for solving linear regression with non-convex penalties with applications to group sparse model estimation
   • Thai: ขั้นตอนวิธีเชิงเลขสำหรับการแก้ปัญหาถดถอยเชิงเส้นที่มีฟังก์ชันลงโทษแบบไม่คอนเวกซ์ เพื่องานประยุกต์ด้านการประมาณแบบจำลองที่มีความเบาบางแบบกลุ่ม

5. Smart Grid Research Unit (SRGU): Jun 2018 - present

   • Research project: Solar forecasting
   • Research project: Error Analysis of Solar Power Forecasting in Thailand’s Solar Farms

6. Chula Engineering Research grant: Oct 2018 - Sep 2019 (ต.ค. 2561-ก.ย. 2562)

   • Title: Learning brain connectivity from EEG time series
   • Thai: การเรียนรู้ความเชื่อมโยงของสมองจากสัญญาณ EEG

7. Research Grant by NRCT (National Research Council of Thailand) : Dec 4, 2017-Jun 3, 2019 (4 ธ.ค.2560-3 มิ.ย.2562)

   • Title: Solar Power Forecast for Energy Management System in Smart Grid
   • Thai: การพยากรณ์กำลังผลิตไฟฟ้าจากพลังงานแสงอาทิตย์สำหรับระบบการจัดการพลังงานของระบบโครงข่ายไฟฟ้าสมาร์ตกริด

8. Chula Engineering Grant : (May 16, 2016- May 16, 2017)

   • Title: Statistical learning methods of knee joint vibroarthrographic signals for chondromalacia screening and diagnosis
   • Thai: การเรียนรู้เชิงสถิติจากสัญญาณสั่นสะเทือนข้อเข่าเพื่อการคัดกรองและช่วยวินิจฉัยโรคกระดูกอ่อนหุ้มผิวข้อเข่าเสียสภาพ

9. Chula RA scholarship for grad student: with Anupon Pruttiakaravanich

   • Title: Sparse Dynamical Models for Investigating Brain Connectivity

10. New Researcher Grant by NTSDA : Sep 2014 - Dec 2016 (ก.ย. 2557-ธ.ค.2559)

    • Title: Learning multiple graphical models for time series: Application to fMRI time series
    • Thai: การเรียนรู้แบบจำลองเชิงกราฟสำหรับกลุ่มข้อมูลอนุกรมเวลา: งานประยุกต์กับข้อมูล fMRI

Summer internship

Each summer I’ll take 2nd-year students to learn on a selected topic that involves programming or developing models. The lists here are shown from the most recent one.

1. <Summer 2017> A Study of brain connectivity using statistical methods We had an SPM workshop with Dr. Witaya Sungkarat, AIMAC, Ramathibodi Hospital. Our group has learned how to process brain images using SPM and to learn a brain connectivity by Granger causality toolbox and Graphical lasso.

   • Anawin Opasatian อนาวิล โอภาสเสถียร
   • Parinthorn Manomaisaowapak ปรินทร มโนมัยเสาวภาคย์
   • Peeranat Worasart พีรณัฐ วรศาสตร์
   • Phisanu Kongkam พิษณุ คงขำ

2. <Summer 2016> Our students have been assigned to practice writing JULIA codes.

   • ภัทริน มณีสุวรรณ์
   • รัฐพงษ์ ขันธ์ชัยธรรม
   • พลอยรุ้ง เกษร
   • วรินทร ไหลภาภรณ์
   • พิสิฐพงศ์ เทพหัสดิน ณ อยุธยา
   • รุจฐิระ ชุมแก้ว
   • โทนี่ ฟาง

3. <Summer 2012> Pancheewa Arayacheeppreecha had performed an experiment on learning Granger causality from Google Flu data set.