国际电气与电子工程师协会（IEEE）电力与能源协会学术年会（Power & Energy Society General Meeting）是全球最具影响力的电力行业旗舰会议，每年在北美地区召开一次，是全球电力和能源学者、工程师云集的高水平学术论坛。课题组覃国元博士生于2025年7月26日前往美国德克萨斯州奥斯汀参与PESGM2025学术会议。

在本次会议中，覃国元博士生参加了PESGM学生海报竞赛，并在Grid Transformation论坛中汇报了论文“Short-Term Low Power Output Events Prediction for Regional Wind Farms Based on Adaptive Sparse Self Attention- Improved Global Context Vision Transformer”，就文章中展示的研究工作与参会专家和学者展开讨论。论文提出了一种区域风电场的低功率输出事件的预测方法，为电力调度部门应对风电供电不足带来的电力系统电力电量不平衡风险提供支撑。

在PESGM会议全程中，覃国元博士生参加了多场研讨会和讨论组，深入了解了如何基于人工智能对绿色建筑综合能源系统进行运行优化。了解到了约束优化（CO）在解决许多现实世界问题方面产生了深远的影响。传统基于MILP的精确求解器的计算负担较大，求解用时可能长达数小时。而基于数据驱动的CO方法通常只适用于具有简单约束的优化问题，因为此类方法只能通过对惩罚系数来使模型学习现实世界的约束，但是，如果惩罚系数偏小，就会让人工智能给出不符合物理规律的结果，如果偏大又会导致无解，而一个实际系统中“电压、电流、爬坡速率”等约束能有成千上万个，如何合理的给这么多约束分别给予一个合适的惩罚是目前需要研究的重点。

覃国元博士生还参加了关于电力系统中人工智能的可解释性应用论坛，了解到了目前在工业界关于人工智能的可解释性应用主要为针对预测的不确定性进行分析，包括低出力、极端天气等事件的发生概率，以及可再生能源预测功率的统计数据（最大、最小、平均、中值等）等。

回国后，覃国元博士生第一时间与课题组同学分享了参会心得：“此次海外学术交流使我深感荣幸。在这场高水平的国际会议中，我结识了许多来自国内外的优秀学者，通过与他们的深入交流，不仅拓宽了我的学术视野，也让我更加体会到科学研究的深远意义及其背后的挑战。与海外研究人员的互动让我获益匪浅，这些宝贵的经验不仅促进了我的学术成长，也将对我未来的职业发展产生积极而持久的影响。”