2023年11月，工程中心耿志强教授团队在顶级期刊《IEEE Transactions on Systems, Man, and Cybernetics: Systems》发表突破性研究“A Novel Wrapped Feature Selection Framework for Developing Power System Intrusion Detection Based on Machine Learning Methods”（卷53期11，页7066-7076，DOI: 10.1109/TSMC.2023.3292110）。
研究首创二进制粒子群包裹式特征选择框架（BPSWO） ，设计特征选择与分类器训练同步优化机制的动态耦合架构，解决传统方法特征-模型割裂问题；
改进传递函数确保全局最优解收敛；融合混沌变换与汉明距破解早熟收敛难题。不同的分类器可以嵌入到粒子群中进行训练，BPSWO在选择特征的同时训练分类器，最终训练分类器用于入侵检测。算法在在美国橡树岭国家实验室电网、IEEE 57总线系统实测，与现有的基于机器学习的电力系统入侵检测方法相比，实验结果表明，BPSWO在检测精度上可以达到最先进的水平，证明了所提方法的有效性和稳定性。
第一作者为韩永明，教授，博士生导师，国家优青，计算机系系主任，研究领域包括人工智能、机器学习、系统建模及优化、能效评价、数据分析与信息集成、智能优化等。第二作者为王悦，北京化工大学智能过程系统工程中心博士研究生，研究方向为神经网络、工业软传感器建模。
《IEEE TSMC-Systems》是复杂系统工程领域旗舰期刊，创刊50余年，聚焦智能系统安全、人机协同等前沿方向，以方法原创性及工业落地性著称，年均录用率仅18%，被全球学术界誉为"系统科学创新的标杆"。