传统能源装备（包括水电、火电、风电等领域的电机、变压器、变频器、变流器等）是能源行业的基础支撑设备，其运行可靠性直接影响电力系统的安全与经济性。热管理技术可对能源装备在运行过程中产生的热量进行监测、控制与散发，涵盖热设计、热仿真、热检测、热调控与热失效预警等环节。高效的热管理技术是保障装备性能、延长使用寿命、降低故障率的关键。

近年来，人工智能技术呈蓬勃发展之势，为传统产业中的热管理技术带来了机遇与挑战。一方面，AI技术在热管理能效寻优、大数据驱动的热机理研究、算法支持下的冷却系统结构自动寻优设计等方面展现出巨大潜力，有望突破传统热管理依赖经验模型、全局优化能力不足等瓶颈；另一方面，如何将人工智能与复杂多工况下的装备热特性深度融合，构建高鲁棒、自适应、自诊断的智能热管理系统，仍是学术界与工业界亟需攻克的难题。

为了展示人工智能赋能下传统能源装备冷却热管理技术的最新进展与发展趋势，共享学术和技术成果，《电工电能新技术》编辑部特邀中国科学院电工研究所阮琳研究员、陈金秀副研究员和西安交通大学孟现阳教授、杨建助理教授共同担任特约主编，主持“人工智能赋能传统能源装备热管理技术”专题，希望与作者、读者共同研讨多种能源装备中人工智能赋能热管理技术的发展前景。征稿方式及注意事项如下：

       一、专题征稿范围（包括但不限于）

1. 人工智能赋能的传统能源装备热管理技术

2. 数据驱动下的能源系统优化设计及能量管理方法

3. 基于大数据与机器学习的能源装备热特性建模与仿真

4. 热管理能效寻优算法与智能控制策略

5. 热管理系统自动寻优设计方法

6. 热故障智能诊断与预测维护技术

7. 新型热管理材料与人工智能辅助设计

8. 多物理场耦合热管理中的AI应用

9. 其他相关理论方法与应用技术问题

       二、投稿要求

1. 论文应重点突出、论述严谨、文字简练、避免长篇公式推导（必要的推导可列入附录），篇幅要求为研究论文10页左右，综述论文15页左右。

2. 来稿请用Word 排版、格式、摘要、作者信息参照《电工电能新技术》论文模板。

       三、时间安排

投稿截止时间：2026年11月30日

拟出版时间：2027年3月

       四、投稿方式

请登录https://ateee.iee.ac.cn/CN/home注册作者用户名和密码投稿，请注意在投稿栏目中选择“人工智能赋能传统能源装备热管理技术”。

       真诚欢迎国内外相关领域的专家学者及国家级科研计划承担单位踊跃投稿！

联系方式：

覃姝仪    010-82547293    qinshuyi@mail.iee.ac.cn

陈金秀    chenjinxiu@mail.iee.ac.cn