【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。
追踪能源领域最新技术、论文、代码与数据集
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。
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。
研究面向气候变化下的沿海配电网杆塔台风风险,结合统计动力模型合成未来台风事件,并以深度集成学习融合风雨场、地理环境和设备台账预测受损概率。结果显示,SSP5-8.5情景下杆塔平均受损数量较低排放情景增加48%,高风险区域明显扩张,可支持差异化加固与应急资源配置。
Mila等机构提出T-GRAB合成诊断基准,以周期计数、延迟因果和长程依赖三类任务评测11种时序图学习方法。实验显示,计数长度达32时EdgeBank可反超神经网络;时间滞后增至64以上、结构距离超过8后,各模型普遍退化。论文还验证了邻居采样敏感性,并开源任务生成代码与数据集,可用于TGNN能力压力测试。
文章梳理沙尘、强对流、雨雪覆冰、大雾和高温等极端气候下光伏功率预测误差,指出NWP局限、设备状态突变、极端样本稀缺及单点预测不足。提出物理—数据融合、多源观测、小样本增强、概率预测和运行状态联动,并结合传感器校验、储能缓冲、复盘申诉及可用功率上报,降低考核与交易风险。
文章基于安徽2025—2026年负荷与天气数据,比较日历基线、线性温度、非线性温度和连续温度记忆四类模型。最优方案采用岭回归,融合历史负荷、日历属性及此前72小时温度过程,综合WMAPE为4.76%;安徽8月滚动预测WMAPE为3.09%、R²为0.881,并分析了高温强度与持续时间对负荷的影响。
布达佩斯技术与经济大学团队利用ERA5气象再分析数据、2015—2023年ENTSO-E实测数据及经Optuna优化的MLP,生成欧洲多国1981—2023年小时级光伏、陆上风电、海上风电容量因子和归一化负荷数据。多数国家预测与实测Pearson相关系数超过0.9,数据与代码已公开,可用于能源系统规划、电力市场及Dunkelflaute研究。
文章解析Transformer与高斯过程(GP)结合的光伏概率功率预测方案:前者提取多维长时序特征,后者输出预测均值与置信区间。该方案有助于异常天气风险感知、储能调控和现货申报,但面临O(N³)计算开销、区间校准、数据质量及超参数耦合等难题,场站可采用稀疏GP或分位数回归、MC-Dropout折中落地。
文章基于广西多座100MW级风光场站脱敏调研,分析2026年上半年“两个细则”考核:风电压力集中于寒潮凝冻和锋面大风,光伏集中于阴雨及龙舟水强对流。核心问题包括通用模型缺少本地化订正、传感器失真、异常工况未标注及运维闭环不足,并提出强化0—4小时超短期预测、规范可用功率与报文上报、治理样本、风光储协同及建立复盘申诉机制。
文章基于广东多座100MW级风光场站脱敏调研,梳理2026年上半年南方区域“两个细则”考核情况。15分钟断面、可用功率报送及95%上传率要求叠加现货不平衡资金,使3—4月强对流期和海上风电承压尤甚。文章归因于气象模型本地化不足、观测漂移、规则理解及运维缺陷,并提出强化超短期预测、规范报文、清洗样本、风光储协同和闭环复盘等路径。
文章基于湖北多座100MW级山地风电、丘陵光伏场站脱敏调研,梳理2026年上半年华中“两个细则”下中期、日前、超短期预测及相关性、报文完整率考核。风电压力集中于3—4月强对流,光伏集中于4—6月梅雨期。文章分析局地气象、地形参数、规则理解和运维等问题,并提出本地化模型、数据治理、储能协同及闭环复盘等路径。
汇总《电工技术学报》多项电力AI研究,包括PINN-cWGAN生成输电网运行样本、GAT-LSTM与迁移学习监测风机状态、RBF代理模型优化虚拟电厂交易等。文中给出IEEE及PEGASE系统仿真,其中生成样本物理合规率近100%,风机监测RMSE最高降低74.7%。
文章基于贵州多座100MW级山地风光场站调研,梳理2026年上半年功率预测考核特征:风电压力集中于3月,光伏集中于4—6月。主要成因包括云贵准静止锋、局地强对流、山谷风、通用模型适配不足、异常样本污染及运维薄弱。建议实施山地本地化建模、规范可用功率与全周期上报、治理设备和样本、推进风光储协同,并建立日监控、周分析、月复盘闭环。
文章对NeurIPS 2026录用论文进行初步统计,按标题显式包含“time series”或“time-series”筛选出127篇,占9094篇录用论文的1.39%。其中,预测相关51篇,基础模型和LLM相关13篇,异常检测15篇,生成6篇,分类4篇,插补3篇,并基于全部论文标题形成词云。
七部门规划提出以人工智能、数字孪生和大数据赋能新型电池全产业链,建设行业专用大模型与AI研发平台。技术路线覆盖材料与配方筛选、性能预测、制造参数优化、机器视觉质检、故障预测、安全预警、寿命评估及源网荷储能量管理,为电池研发制造和储能运维提供明确方向。
融和元储与汇川技术拟围绕储能PCS、绿电直连、工艺级虚拟电厂和AI工业能源智能体开展合作,打通设备状态、负荷预测、能源调度与交易决策。文章还列举电网调度、电力交易和虚拟电厂智能体案例,并给出降本7%—15%、储能收益提升25%以上等运行成效。
文章分析置信出力考核对长时储能和功率预测的影响,并介绍气象大模型与能源大模型协同应用:预测风光出力后由储能快速补偿偏差。文中给出项目实证数据,包括偏差损失减少30%以上、弃电回收增收5%、电力交易增收10%,以及在绿色氢氨项目中动态调节电解槽负荷。
文章指出,气象预报偏差虽是风光功率预测的主要误差源,但设备状态、异常工况及模型漂移等场站侧问题同样关键。建议采用“离线全量训练+在线实时增量更新”,通过样本筛选、自适应学习率、分模块更新、监控回滚及定期重训,兼顾长期泛化与短期适配,降低预测偏差和“两个细则”考核损失。
文章分析风光项目满足置信出力要求的技术难点,指出储能需将功率预测、电网指令、电价信号和荷电状态实时耦合,由AI算法动态制定充放电策略。文中给出中广核新能源贵州实践:精细化功率预测系统使短期和超短期预测准确率同比提升6%以上,考核费用较全省平均降低超20%。
文章围绕新型电池规划中的人工智能与能量管理要求,梳理储能数字运营案例:远景以气象、能源大模型和交易智能体闭环预测调度,峰谷价差预测准确率达95%;为恒智能系统使项目收益提升13.49%;海辰储能通过AI建模与控制节省超550万美元能耗成本,并讨论钠电、液流电池的智能运维需求。