近日，常雨芳教授“黄大年式”教学团队指导22级自动化本科生陈思源同学以第一作者在计算机科学领域知名期刊《Engineering Applications of Artificial Intelligence》（中科院1区Top期刊，影响因子8.0）发表研究论文，题为“Accurate multi-step wind and solar power forecasting based on multi-scale convolutional Kolmogorov-Arnold network and improved Lemming-optimized attention fusion”。指导老师万航博士为通讯作者，为论文第一单位，中科院计算机所和法国洛林大学为合作单位。

随着能源绿色化转型的加速推进，风能与太阳能等可再生能源在电力系统中的比重不断提升。但由于受天气与环境因素影响，其发电出力波动性强、不可预测性高，给电力系统的安全稳定运行带来挑战。因此，提升可再生能源发电功率预测精度已成为实现智能调度与高比例新能源消纳的关键问题。为应对这一挑战，该团队提出了一种新型混合深度学习框架，其中构建了多尺度卷积注意力网络（Multi-scale Convolutional Kolmogorov-Arnold network, MCKAN），能够在多尺度特征空间中同时捕捉局部动态变化与全局趋势信息，有效增强模型对复杂时空特征的表征与泛化能力。该框架结合高效加性注意力机制，进一步优化特征权重分配，从而显著提升风光出力预测的精度与稳定性。同时，团队设计了混沌准反向人工旅鼠算法，实现模型超参数的自适应优化，进一步增强模型的预测性能与泛化能力。实验结果显示，该方法在风能和光伏发电预测中表现优异，能够有效捕捉局部波动与全局趋势，提升预测稳定性和泛化能力。

该项工作不仅为提升可再生能源预测精度提供了新方法，也为电力系统智能调度和新能源管理提供重要参考。研究工作得到国家自然科学基金（编号：62473133）等基金及大学生创新创业训练计划资助。