近日，我组在分散式用户组短期电力负荷预测研究领域的研究论文《GCML: A Short-Term Load Forecasting Framework for Distributed User Groups Based on Clustering and Multi-Task Learning》被期刊《Mathematics》录用。该研究提出融合聚类与多任务学习的分散式用户组预测框架，解决了传统方法依赖组内一致性、忽略组间关联的局限，并通过滤波注意力机制与多尺度特征融合提升分散式用户负荷预测精度，为电力现货市场的高效出清提供关键技术支撑。