近期，我校云頂集團(tuán)3118劉剛教授課題組在能源電力和AI算法領(lǐng)域取得了一系列顯著成果，多篇論文在中科院1區(qū)Top期刊發(fā)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篇論文被評為全球ESI前1%高被引論文，受到全球同行關(guān)注和引用，充分體現(xiàn)了團(tuán)隊(duì)的科研水平和國際學(xué)術(shù)影響力。

在具體研究成果方面：

在《Renewable Energy》上發(fā)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(fā)電的隨機(jī)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(yù)測混合模型WNPS-LSTM-Informer，有效提升了預(yù)測精度。

在《Energy》上發(fā)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(fā)電的強(qiáng)波動性、高間歇性及明顯周期性特點(diǎn)，提出了基于一維卷積神經(jīng)網(wǎng)絡(luò)、全局累加注意力和自相關(guān)的混合模型CGAformer，用于短期光伏功率預(yù)測，實(shí)現(xiàn)了多尺度特征的高效捕獲。

在《Expert Systems with Applications》上發(fā)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(xiàn)象及健康狀態(tài)預(yù)測問題，提出了一種基于自適應(yīng)級聯(lián)優(yōu)化的多層混合預(yù)測方法Ist-SBiLSTM，顯著提高了預(yù)測準(zhǔn)確性。

此外，團(tuán)隊(duì)的以下兩篇論文已被評為 全球 ESI前1%高被引論文：

在《Energy》上發(fā)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(fā)表“EgeFusion: Towards Edge Gradient Enhancement in Infrared and Visible Image Fusion With Multi-Scale Transform”（DOI： 10.1109/TCI.2024.3369398）

這些成果得到了上海市科學(xué)技術(shù)委員會地方能力項(xiàng)目的支持。