近日，深圳大學機電與控制工程學院王懷智助理教授、湖南大學周斌教授、上海交通大學黎燦兵教授和俄羅斯科學院院士IEEE Fellow Nikolai Voropai教授在國際頂級期刊Energy Conversion and Management (ECM)上聯合發表了一篇題為"Taxonomy Research of Artificial Intelligence for Deterministic Solar Power Forecasting"的研究論文。ECM為中科院大類一區、TOP期刊，影響因子為7.181。

該論文對基于人工智能的太陽能發電預測方法、參數優化方法和預測結構開展了分類學研究。機電學院王懷智助理教授為第一作者，周斌教授和黎燦兵教授為共同通訊作者。其它共同作者包括曹廣忠教授、劉揚洋研究生、Nikolai Voropai教授和Evgeny Barakhtenko教授。

太陽能發電預測是電力能源系統經濟、安全運行的重要環節。本文首先對人工智能預測方法、參數優化和預測結構展開了分類、命名和統計分析研究，總結了各種預測方法的優缺點。其次，本文提出了一種新的人工智能預測結構。該預測結構分為特征學習、權重更新和多元回歸三個部分，如圖1所示。特征學習用于提取環境數據和時序數據的潛在特征，并作為權重更新的輸入。權重更新則用于優化多元回歸的權重系數。多元回歸負責太陽能發電預測輸入和輸出的數學建模。該預測結構最大的優點是其強大的兼容性，可兼容已有的大部分神經網絡算法，如支持向量機、深度學習和循環神經網絡等。最后，本文對太陽能發電預測的熱點方向和潛在問題進行了深入剖析。

                                 圖1 提出的人工智能預測結構

本研究得到了國家自然科學基金委、廣東省電磁控制與智能機器人重點實驗室和深圳市科創委等經費支持。原文鏈接：https://www.sciencedirect.com/science/article/pii/S0196890420304477。