电气与控制工程学院谢国民教授与研究生张子健合作，在中科院一区TOP期刊《Expert Systems With Applications》（简称《ESWA》）上发表了论文《CPWformer-DEC: improved Transformer with class-priority weather attention and dynamic error compensation for photovoltaic power forecasting》。

《ESWA》由Elsevier出版，是人工智能、智能系统与工程应用领域的国际权威期刊，重点关注人工智能方法在复杂工程系统中的建模、预测与决策问题。研究面向光伏发电在复杂与突变天气条件下预测精度不足、模型响应滞后及误差累积严重等关键问题，提出了一种融合样本级天气感知与动态误差补偿机制的改进Transformer预测框架（CPWformer-DEC）。研究首先利用高斯混合模型（GMM）对气象数据进行样本级、多尺度天气状态刻画，引入类别优先天气注意力机制（CPWA），在建模过程中强化同类天气样本的时序依赖关系；同时兼顾不同天气状态之间的信息交互，进一步设计双激活多尺度特征融合模块，协同捕捉光伏功率序列的宏观趋势与微观波动特征；在此基础上，引入动态误差补偿机制（DEC），对预测残差进行在线建模与修正，有效抑制预测滞后与误差累积问题。实验结果表明，所提出方法在多地区、多容量光伏电站及多种典型天气条件下均表现出优异的预测性能。与主流深度学习模型及多种Transformer变体相比，模型在晴天、阴天、雨雪等复杂工况下均显著降低预测误差，其中在典型场景下平均绝对误差最高降低70%以上，体现出良好的鲁棒性与泛化能力，为光伏并网调度、储能协同控制及新能源系统安全运行提供了有效技术支撑。相关研究成果可为复杂气象条件下新能源功率预测与智能调度提供新的技术路径。

近年来，电气与控制工程学院持续聚焦新能源预测与智能电力系统优化等前沿方向，在研究生培养与科研创新方面不断取得高水平成果。相关研究成果不仅提升了学院在新能源智能预测领域的学术影响力，也为学科建设和高层次人才培养提供了有力支撑。