近期，自動化工程學院劉剛教授課題組在能源電力和AI算法領域取得了一系列顯著成果，多篇論文在中國科學院1區Top期刊發表，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篇論文入選全球ESI前1%高被引論文，受到全球同行關注和引用，充分體現了團隊的科研水平和國際學術影響力。

具體研究成果如下：

在《Renewable Energy》上發表的論文“WNPS-LSTM-Informer: A Hybrid Stacking model for medium-term photovoltaic power forecasting with ranked feature selection”（DOI: 10.1016/j.renene.2025.122687），針對太陽能發電的隨機性及周期性趨勢特征不足的問題，提出了一種基于 Stacking 集成算法的中期光伏功率預測混合模型 WNPS-LSTM-Informer，有效提升了預測精度。

在《Energy》上發表的論文“CGAformer: Multi-scale feature Transformer with MLP architecture for short-term photovoltaic power forecasting”（DOI: 10.1016/j.energy.2024.133495），針對光伏發電的強波動性、高間歇性及明顯周期性特點，提出了基于一維卷積神經網絡、全局累加注意力和自相關的混合模型 CGAformer，用于短期光伏功率預測，實現了多尺度特征的高效捕獲。

在《Expert Systems with Applications》上發表的論文“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），針對鋰離子電池容量再生現象及健康狀態預測問題，提出了一種基于自適應級聯優化的多層混合預測方法 Ist-SBiLSTM，顯著提高了預測準確性。

此外，在《Energy》上發表“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》上發表“EgeFusion: Towards Edge Gradient Enhancement in Infrared and Visible Image Fusion With Multi-Scale Transform”（DOI： 10.1109/TCI.2024.3369398）入選全球ESI前1%高被引論文。

這些成果得到了上海市科學技術委員會地方能力項目的支持。

自動化工程學院 供稿