近日，澳门科技大学创新工程学院工程科学系博士研究生寇梦刚在国际权威期刊《Information Fusion》与《Advanced Engineering Informatics》上连续发表最新研究成果，该研究分别针对太阳能与风能预测问题提出了大模型知识蒸馏技术的创新性解决方案，为推动可再生能源高效并网与智能电网安全运行提供了有力支持。
太阳能预测最新研究成果发表于人工智能与信息融合领域的国际顶级期刊《Information Fusion》（影响因子：15.5，计算器科学学科JCR排名前1.7%，中国人工智能学会（CAAI）A类推荐期刊）。论文题为“PMFM-kdTransformer: An enhanced multi-modal fusion architecture leveraging knowledge distillation for intra-hour solar irradiance prediction”。论文提出了一种增强型多模态融合架构PMFM-kdTransformer，通过并行处理云图、气象数据、和辐照度序列，并结合知识蒸馏技术，在提升预测精度的同时显著降低了计算成本。该方法在七项评估指标上平局提升了7.92%，特别适用于缺乏昂贵全天空成像仪的应用场景，为光伏电站的实时功率预测提供了实用解决方案。
∆ 研究一：所提解决方案示意图
论文题“Ultra-short-term wind power forecasting jointly driven by anomaly clustering and graph convolutional recurrent neural networks”的风能研究发表于《Advanced Engineering Informatics》（影响因子：9.9，工程学科JCR排名前2%，中国计算器学会（CCF）B类推荐期刊），该研究成果近期入选全球Top 1%高被引论文，标志着研究成果在国际学术界产生了广泛影响及同行的认可。该研究针对大规模风电场的超短期区域功率预测，创新性地将异常检测、聚类分析与图神经网络相结合，实现了预测精度提升50%以上的同时，训练时间缩短了70.84%， GPU内存占用减少了94.04%，为区域风电集群的实时调度提供了高效技术支撑。
∆ 研究二：所提解决方案示意图
两项研究均以澳门科技大学为第一完成单位，由博士生寇梦刚分别以第一作者及通讯作者身份，与研究团队成员李润泽、钱圆升合作完成，并获澳门科学技术发展基金支持。研究成果体现了澳科大在人工智能与能源工程交叉领域的科研创新能力，也为可再生能源的规模化消纳与电网稳定运行提供了重要技术参考。
论文链接：
1. Information Fusion: https://doi.org/10.1016/j.inffus.2025.104043
2. Advanced Engineering Informatics: https://doi.org/10.1016/j.aei.2025.103137
∆博士寇梦刚
