公众号
【TTE好文分享｜记忆增强强化学习】让驱动与制动更默契：分布式电动汽车的协同能量管理
研究提出面向分布式电动汽车的LSTM-TD3记忆增强能量管理框架，将驱动与再生制动转矩统一协调，并利用1.5秒历史状态提取时序特征。实测工况及dSPACE硬件在环结果显示，百公里能耗为11.56千瓦时，较无记忆TD3降低1.3%，单次推理耗时0.206毫秒，满足10毫秒控制周期。
方法时序预测 · 优化与强化学习场景优化与决策 · 控制与自治
AI+绿能查看原文 ↗
看技术
追踪能源领域最新技术、论文、代码与数据集
公众号
知识图谱“牵手”小样本学习“认”出海风新故障，助智能运维练就“慧眼”——南京南自华盾数字技术有限公司 吴翰林等
文章提出海上风电知识图谱与小样本学习融合的智能运维架构，集成迁移学习、对比自监督学习和边标记图神经网络，实现故障识别、知识补全与查询重写。基于两座深远海风电场三年数据验证，故障定位时间降至51分钟以内，试点年运维成本下降17.5%，并给出多项基线对比指标。
方法图与网络智能 · 大模型与知识智能场景诊断与安全 · 知识与协同
电力系统自动化查看原文 ↗
公众号
Applied Energy 2026｜算力任务怎样与电力调度一起做“成本最优”决策？
论文提出面向数据中心与电网联合调度的predict-then-optimize框架，以极限学习机预测计算需求，并用后续调度产生的决策遗憾训练模型。系统运营商与数据计算运营商通过双边界反馈迭代协调。IEEE 30节点仿真中，总运行成本较基线降低约1.4%，迭代次数较二分搜索减少约20%。
方法时序预测场景规划与仿真 · 预测与感知 · 优化与决策
Intelligame Lab查看原文 ↗
公众号
【顶刊好文|煤矿×DRL×多目标】'IEEE TSG'：面向煤矿综合能源系统的领域知识嵌入多目标运行方法
论文面向煤矿综合能源系统，提出领域知识嵌入的多目标强化学习算法MOORE，由DQN依据种群状态在线选择差分进化策略，并将煤仓、水仓建模为虚拟储能。宁夏实际煤矿算例显示，其HV、IGD及可行解稳定性优于五种基线，同时给出消融、出力扰动、跨系统测试及计算开销分析。
方法优化与强化学习场景知识与协同
综合能源新视界查看原文 ↗
公众号
风力发电机整机智能故障诊断系统，解锁风场运维新模式
文章介绍风力发电机整机智能故障诊断系统。系统融合SCADA、高频振动、叶片、环境及辅机数据，以物理机理模型和AI算法实现全部件状态监测、早期预警、根因定位、寿命评估及工单闭环，推动风场由事后抢修和定期检修转向状态检修，降低非计划停机、运维成本与高空作业风险。
场景诊断与安全
新能源功率预测查看原文 ↗
公众号
NeurIPS 2026 | CvLoss：多变量时间序列预测需要跨变量损失
论文提出面向多变量时间序列预测的跨变量损失CvLoss，在预测patch上构建跨变量图，以ℓ1全变分约束相连节点的残差差异，同时建模同步与滞后交互。该方法可接入多类骨干，仅增加训练开销，不改变推理流程；在7种骨干、12个数据集的114组比较中实现111组提升，并整体优于11种既有学习目标。
方法时序预测场景预测与感知
时空探索之旅查看原文 ↗
公众号
【顶刊好文|光伏预测】IEEE TSG: PV-MMCD：基于多模态条件扩散模型的光伏功率概率预测新方法
研究提出光伏功率概率预测模型PV-MMCD，融合历史功率、卫星云图和数值天气预报，并以Neural SDE、条件扩散、交叉注意力及QRF校准建模不确定性。三个光伏站点实验显示，0—4小时预测的nCRPS技能分数达61.7%，模型仅1.26M参数，单样本推理耗时26.75毫秒，并通过消融实验验证多模态融合与校准模块效果。
方法时序预测 · 可信人工智能场景预测与感知
综合能源新视界查看原文 ↗
公众号
招标丨国能电厂智能发电及应用开发项目
国家能源集团花园电厂公开招标智能发电及智慧应用系统开发服务。项目拟依托国产化DCS建设IDCS智能发电平台，引入人工智能、大数据、物联网和5G，实现发电过程自学习、自寻优与智能决策，并集成IMS管理平台、统一数据中台和三维数字孪生，覆盖开发、调试、验收、培训及质保。
场景规划与仿真
电力人工智能大会查看原文 ↗
公众号
重庆大学 卢莹，方斯顿等：让港口电动转运集卡充电更灵活：考虑无冲突路径与电池健康的协同调度方法
论文面向港口微电网电动转运车充电调度，建立兼顾无冲突路径与电池健康的协同优化模型，并采用基于Q-learning的多智能体强化学习滚动求解。该框架将大规模全时域问题拆分为短时子问题，显著压缩决策变量规模；仿真还比较了启发式算法、MADDPG及所提方法的调度表现。
方法优化与强化学习 · 大模型与智能体场景规划与仿真 · 优化与决策 · 知识与协同
电力系统自动化查看原文 ↗
公众号
当无线网络学会想象：无线网络世界模型
北京邮电大学与清华大学提出无线网络世界模型，以状态—动作为基础，在潜在空间学习控制动作驱动的网络演化，用于方案推演与优化。研究融合真实数据和仿真干预，在南昌31,900个4G与5G小区开展流量推演；其强化学习优化策略较未优化配置提升能效约43.5%，较四种对比方法平均提升约21.3%。
方法优化与强化学习场景规划与仿真 · 优化与决策 · 控制与自治
时空探索之旅查看原文 ↗
公众号
风光预测之外，微电网开始同时预测“发多少”和“用多少”
文章介绍微电网源荷统一预测的产业方案：使用K-means提取月度典型日，结合改进时间卷积网络与物理约束，应对样本有限和运行模式难识别问题。文章进一步说明净负荷预测对储能充放电、购售电和并网安全的作用，并提出关注峰值、爬坡和经营成本等评价维度。
方法时序预测 · 物理与数据融合场景预测与感知 · 诊断与安全
疾风大模型查看原文 ↗
公众号
武汉大学 柯德平，李亚宁，等：基于多智能体强化学习的流域级水风光联合日内鲁棒调度研究
研究针对流域级水风光日内调度的实时性和不确定性，提出多智能体强化学习鲁棒调度框架，引入误差智能体进行对抗式训练，并利用条件变分自编码器融合运行状态与专家策略，实现安全加速训练。结果表明，该方法可无延迟生成调度指令并提升策略鲁棒性与约束收敛速度。
方法优化与强化学习 · 大模型与智能体 · 可信人工智能场景诊断与安全 · 优化与决策 · 知识与协同
综合能源新视界查看原文 ↗
公众号
高碳发展会带来多大电网台风损失？气候变化驱动配电网杆塔台风灾害时空演化评估——武汉理工大学大学 李锋，侯慧，高富等
研究面向气候变化下配电网杆塔台风风险，结合台风最佳路径、CMIP6气候数据、统计动力模型及深度集成学习，构建从台风生成、风雨场模拟到杆塔受损预测的完整链路。结果显示，高排放情景下杆塔平均受损量较低排放情景增加48%，并识别出湛江高风险区域。
方法时序预测场景预测与感知 · 诊断与安全
综合能源新视界查看原文 ↗
公众号
极端气候来袭，风电功率预测如何突围？
文章分析寒潮覆冰、台风切机、沙尘及山地强对流下风电功率预测的大偏差，指出根源包括NWP局限、设备状态缺失、极端样本误删和单点预测不足。提出接入SCADA、标注并增强极端样本、融合多源气象、采用概率预测与储能缓冲，并完善考核申诉和复盘机制。
方法时序预测场景预测与感知
新能源功率预测查看原文 ↗
公众号
PPT | 电力知识图谱技术全景
文章系统介绍电力知识图谱的数据采集、本体建模、图数据库与服务平台架构，明确采用NLP、计算机视觉、大模型和RAG完成实体关系抽取、知识推理与问答。内容覆盖设备故障诊断、无人机巡检、配网抢修、寿命预测及源网荷储低碳调度等可复用业务方案。
方法时序预测 · 大模型与知识智能场景预测与感知 · 诊断与安全 · 优化与决策
电网棱镜查看原文 ↗
公众号
PPT丨智能配电网数字孪生构建和应用关键技术研究
文章梳理智能配电网数字孪生的建模、数据融合和闭环优化体系，重点介绍基于BP神经网络、SVM、深度学习及贝叶斯网络的故障诊断方法，并讨论负荷转供鲁棒优化。内容还给出多源数据联通、分级孪生架构、图数据库和故障诊断、供电恢复等示范场景。
方法优化与强化学习 · 可信人工智能场景规划与仿真 · 诊断与安全 · 优化与决策
电网棱镜查看原文 ↗
公众号
招标丨南网智能体平台研发及AI一体机采购项目
南方电网人工智能科技有限公司启动输变配安业务边缘智能体项目招标，计划研发基于电鸿、面向边侧部署的AI智能体平台及诊断决策体系，以应对边缘算力薄弱、多源数据治理困难、算法部署更新困难和风险预警滞后等问题。平台研发概算220.3万元，另采购2台AI智能体一体机，概算62.83万元。
方法大模型与智能体场景诊断与安全 · 知识与协同
电力人工智能大会查看原文 ↗
公众号
南方电网段卫国：人工智能驱动新型电力系统建设的实践与探索
南方电网介绍人工智能驱动新型电力系统的建设实践，已布局770个应用场景并建设自主可控平台。电网断面控制智能体可在5秒内生成兼顾安全、消纳和经济性的策略；智能巡检覆盖全部输电线路，累计发现缺陷338.34万处，人工阅片替代率超过80%，并探索以电价和绿电信号调度算力负荷。
方法大模型与智能体场景诊断与安全 · 优化与决策 · 控制与自治
电力人工智能大会查看原文 ↗
公众号
【论文阅读】利用早期放电曲线预测电池循环寿命
论文利用124块商用磷酸铁锂电池前100次循环数据预测最终寿命，以第100圈与第10圈放电曲线之差的方差构建弹性网回归模型。单特征模型在主测试集和二次测试集上的MAPE分别为14.7%和11.4%，显著优于均值基线；文章同时给出独立验证设计、适用边界及公开代码和数据入口。
方法时序预测场景预测与感知
dib-lab查看原文 ↗
公众号
WorldTS：将世界模型引入多模态时间序列预测
华东师范大学团队提出WorldTS，将数值、文本和图像协变量融入潜在状态预测。模型采用两阶段训练，以真实未来序列编码状态监督状态演化，再冻结编码器与预测器训练观测解码器，并结合CFA、Patch Transformer及多种状态对齐损失。在21个真实世界数据集上，WorldTS整体优于多类基线；MMSP光伏任务MSE为0.061、MAE为0.171。
方法时序预测场景预测与感知
时空探索之旅查看原文 ↗