团队在高压电力设备局部放电智能系统与新能源功率预测方面均取得了显著的成果：
代表性科研成果1：系统的研究了新能源短期、超短期功率预测技术。
基于先进人工智能方法，提出了基于数据挖掘的样本自适应选择、多空间尺度集群动态划分、高维特征构建与自适应选择、深度学习模型自适应选择、多模型集成学习等方法，优化了新能源功率预测的样本选择、特征选择、预测建模等核心环节，实现了高精度的短期、超短期功率预测，并可推广至样本不足的新建新能源场站的功率预测。
代表性科研成果2：研制了高压电力设备局部放电智能检测与智能识别系统。
系统简介：该高压电力设备局放自动检测识别系统，融合英国和中国20余个高水平项目的成果精华，通过自适应第二代小波去噪、决策树信号分类、基于聚类分析的自动相位图谱识别、局放传播边际效应、基于先进人工智能方法的模式识别等先进方法的组合，成功突破了局放检测与识别的难点，通过工业现场大量监测数据的演绎分析与验证，实现高压电力设备局放监测的自动分析与诊断。
应用案例：该高压电力设备局放自动检测识别系统能检测高压电力设备潜在故障、提升供电可靠性，确保供电安全，适用于发电机、变压器、高压电缆、GIS、AIS等高压电力设备，在EDF Energy、British Energy、Rolls-Royce、国网、南网、京博、东方电机等发电厂和电力公司得到广泛的应用，具有广阔的应用推广价值。
