時間序列預測是大規(guī)模數(shù)據(jù)無損壓縮和極端天氣預報等領域的核心技術。隨著應用場景的多樣化和數(shù)據(jù)復雜性的提升，現(xiàn)有模型在異構(gòu)數(shù)據(jù)的統(tǒng)一表達、長序列結(jié)構(gòu)依賴建模、極端天氣波動捕捉等方面存在諸多挑戰(zhàn)。我中心人工智能團隊圍繞上述挑戰(zhàn)開展深入研究，提出一系列創(chuàng)新算法與模型，并在實際系統(tǒng)部署應用。近日，中心兩篇論文均被第三十四屆國際人工智能聯(lián)合會議IJCAI 2025（CCF A類會議）錄用。

針對光伏場景中天氣擾動強、云層變化快的挑戰(zhàn)，人工智能團隊構(gòu)建了超短期多云層光伏功率預測框架MCloudNet，利用高、中、低云圖結(jié)構(gòu)對光流軌跡預測，增強對功率高頻變化的感知與響應能力。模型已在河北和云南等多個光伏電站部署運行，顯著提升了預測精度與微電網(wǎng)調(diào)度穩(wěn)定性。相關研究成果被IJCAI 2025錄用，該工作得到國家重點研發(fā)計劃項目的支持。論文第一作者為我中心工程師萬萌，通信作者為我中心正高級工程師王玨，本科生劉添添為共同第一作者。

MCloudNet框架結(jié)構(gòu)與多層云圖建模示意圖

針對傳統(tǒng)壓縮方法難以高效建模原始字節(jié)流中潛在結(jié)構(gòu)的挑戰(zhàn)，團隊提出了SEP時間序列壓縮框架，專注于通用字節(jié)流的無損預測與壓縮建模任務。通過語義增強的patch表示與自適應跳步機制，提升對二進制數(shù)據(jù)中潛在結(jié)構(gòu)的建模能力，實現(xiàn)跨流顯存共享與多任務并發(fā)。實驗表明，SEP在多模態(tài)壓縮任務中壓縮率最高提升12.8%，速度提升32.5%，具備在科學數(shù)據(jù)歸檔等場景中的廣泛適應性。相關成果被IJCAI 2025接收，該工作得到國家重點研發(fā)計劃項目資助。論文第一作者為我中心工程師萬萌，通信作者為我中心正高級工程師王玨，副研究員曹榮強、碩士生李楊灝為共同第一作者。

SEP多流壓縮流程圖

相關成果：

[1] Meng Wan, Tiantian Liu, Yuxuan Bi, Jue Wang, Hui Cui, Rongqiang Cao, Jiaxiang Wang, Peng Shi, Ningming Nie, Yangang Wang. MCloudNet: An Ultra-Short-Term Photovoltaic Power Forecasting Framework With Multi-Layer Cloud Coverage. In Proceedings of the 34th International Joint Conference on Artificial Intelligence; IJCAI’ 25.

[2] Meng Wan, Rongqiang Cao, Yanghao Li, Jue Wang, Zijian Wang, Qi Su, Lei Qiu, Peng Shi, Yangang Wang, Chong Li. SEP: A General Lossless Compression Framework with Semantics Enhancement and Multi-Stream Pipelines. In Proceedings of the 34th International Joint Conference on Artificial Intelligence; IJCAI’ 25.

責任編輯：郎楊琴