上海电力大学在能源电力和AI算法领域取得一系列显著成果

今日快讯 2025年10月09日 16:40 0 aa

近期，上海电力大学自动化工程学院刘刚教授课题组在能源电力和AI算法领域取得了一系列显著成果，多篇论文在中国科学院1区Top期刊发表，包括《Renewable Energy》（IF：9.1）、《Energy》（IF：9.4）、《Expert Systems with Applications》（IF：7.5）、《Engineering Applications of Artificial Intelligence》（IF：8.0），《Pattern Recognition》（IF：7.6）。其中，2篇论文入选全球ESI前1%高被引论文，受到全球同行关注和引用，充分体现了团队的科研水平和国际学术影响力。

具体研究成果如下：在《Renewable Energy》上发表的论文“WNPS-LSTM-Informer: A Hybrid Stacking model for medium-term photovoltaic power forecasting with ranked feature selection”（DOI: 10.1016/j.renene.2025.122687），针对太阳能发电的随机性及周期性趋势特征不足的问题，提出了一种基于 Stacking 集成算法的中期光伏功率预测混合模型 WNPS-LSTM-Informer，有效提升了预测精度。

在《Energy》上发表的论文“CGAformer: Multi-scale feature Transformer with MLP architecture for short-term photovoltaic power forecasting”（DOI: 10.1016/j.energy.2024.133495），针对光伏发电的强波动性、高间歇性及明显周期性特点，提出了基于一维卷积神经网络、全局累加注意力和自相关的混合模型 CGAformer，用于短期光伏功率预测，实现了多尺度特征的高效捕获。

在《Expert Systems with Applications》上发表的论文“Ist-SBiLSTM: Multi-level stacking ensemble approach using gravitational search algorithm and BiLSTM for accurate state of health prediction in lithium-ion batteries”（DOI: 10.1016/j.eswa.2025.129009），针对锂离子电池容量再生现象及健康状态预测问题，提出了一种基于自适应级联优化的多层混合预测方法 Ist-SBiLSTM，显著提高了预测准确性。

此外，在《Energy》上发表“Multi-timescale photovoltaic power forecasting using an improved Stacking ensemble algorithm based LSTM-Informer model”（DOI： 10.1016/j.energy.2023.128669）和《IEEE Transactions on Computational Imaging》上发表“EgeFusion: Towards Edge Gradient Enhancement in Infrared and Visible Image Fusion With Multi-Scale Transform”（DOI： 10.1109/TCI.2024.3369398）入选全球ESI前1%高被引论文。

这些成果得到了上海市科学技术委员会地方能力项目的支持。（通讯员：樊丽达）