近日，澳門科技大學創新工程學院工程科學系博士研究生寇梦刚在國際權威期刊《Information Fusion》與《Advanced Engineering Informatics》上連續發表最新研究成果，該研究分別針對太陽能與風能預測問題提出了大模型知識蒸餾技術的創新性解決方案，為推動可再生能源高效並網與智能電網安全運行提供了有力支持。
太陽能預測最新研究成果發表於人工智能與信息融合領域的國際頂級期刊《Information Fusion》（影響因子：15.5，計算機科學學科JCR排名前1.7%，中國人工智能學會（CAAI）A類推薦期刊）。論文題為“PMFM-kdTransformer: An enhanced multi-modal fusion architecture leveraging knowledge distillation for intra-hour solar irradiance prediction”。論文提出了一種增強型多模態融合架構PMFM-kdTransformer，通過並行處理雲圖、氣象數據、和輻照度序列，並結合知識蒸餾技術，在提升預測精度的同時顯著降低了計算成本。該方法在七項評估指標上平局提升了7.92%，特別適用於缺乏昂貴全天空成像儀的應用場景，為光伏電站的實時功率預測提供了實用解決方案。
∆ 研究一：所提解決方案示意圖
論文題“Ultra-short-term wind power forecasting jointly driven by anomaly clustering and graph convolutional recurrent neural networks”的風能研究發表於《Advanced Engineering Informatics》（影響因子：9.9，工程學科JCR排名前2%，中國計算機學會（CCF）B類推薦期刊），該研究成果近期入選全球Top 1%高被引論文，標誌著研究成果在國際學術界產生了廣泛影響及同行的認可。該研究針對大規模風電場的超短期區域功率預測，創新性地將異常檢測、聚類分析與圖神經網絡相結合，實現了預測精度提升50%以上的同時，訓練時間縮短了70.84%， GPU內存佔用減少了94.04%，為區域風電集群的實時調度提供了高效技術支撐。
∆ 研究二：所提解決方案示意圖
兩項研究均以澳門科技大學為第一完成單位，由博士生寇梦刚分別以第一作者及通訊作者身份，與研究團隊成員李润泽、钱圆升合作完成，並獲澳門科學技術發展基金支持。研究成果體現了澳科大在人工智能與能源工程交叉領域的科研創新能力，也為可再生能源的規模化消納與電網穩定運行提供了重要技術參考。
論文鏈接：
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
∆博士寇夢剛
