追踪能源领域最新技术、论文、代码与数据集
文章汇总ACM MM 2026时间序列方向的7篇论文，覆盖大语言模型闭环预测、文本信息反事实效用路由、地理感知地球系统预测、VLM少样本分类、跨模态视觉增强、超球面角度表示异常检测及统一生成式多模态分析，呈现多模态大模型、Agentic推理与时序任务融合的研究方向。
文章提出风光功率预测采用“离线全量训练+在线实时增量更新”的闭环迭代模式：离线阶段完成数据清洗、物理参数固化、基础模型训练与回测，在线阶段筛选新样本并小步更新AI残差模块，配套自适应学习率、监控回滚和1—3个月定期重训，以缓解季节、气象及设备变化引发的模型漂移。
论文实测1200个ImageNet视觉分类器在A100、H100及不同运行时、精度和批量下的推理能耗。结果显示，参数量、GMACs等结构指标预测实际焦耳成本的误差较大，而运行时与硬件配置影响显著；TensorRT相较PyTorch平均降低约4倍能耗。文章同时给出测量协议、适用边界与开源代码，便于复现实验和开展部署选型。
论文提出区域风电模式—实测协同预测框架，以自适应傅里叶算子学习大尺度风场演化，用稠密—稀疏卷积融合模式数据和现场测量，并通过联邦分割学习实现多风场隐私协作。在156座风电场、22.6GW装机的真实数据上，1小时、3小时和5小时NMAE分别为2.368%、5.570%和8.095%，服务器与客户端单次预测均低于1秒。
文章介绍1KOMMA5°的Heartbeat AI家庭能源运营平台，通过物联网网关连接光伏、储能、充电桩、热泵和空调，利用时序预测估计电价、负荷、光伏出力及热需求，再自动制定设备调度和市场报价策略。平台已连接十万余户家庭，并以虚拟电厂聚合分布式资源参与现货及辅助服务市场，展示了动态电价下的运营逻辑与收益模型。
ChronoSteer将大语言模型与时序基础模型解耦协作：LLM理解天气、节假日等文本事件并生成离散修订指令，TSFM负责数值预测。研究利用90万组合成三元组和伪标签开展两阶段训练，并构建泄漏控制基准MTSFBench-300。实验显示，其零样本预测精度较自身单模态骨干提升25.8%，同时提供论文与开源代码。
文章汇总ACM MM 2026时空数据方向的11篇论文，主题涵盖POI推荐、时空序列预测、4D时空推理、跨城市轨迹恢复、城市社会经济估算、城市级3D世界生成及降水临近预报等，重点呈现VLM、多模态大模型、强化学习和Agentic框架在空间智能与城市科学中的应用。
文章讨论AI赋能能源气象，缓解风光预测精度提升与算力能耗增长的矛盾。AI气象大模型可通过轻量化部署、长时效预测和参数化方案优化，支撑场站调度、储能规划及电力交易；同时强调融合物理机理、观测数据与本地化标定，并以绿电供给算力降低碳足迹。
研究提出ESDF极端冷热负荷预测框架，以分类器引导扩散模型生成稀缺的热浪、寒潮样本，再通过表征解耦隔离合成伪影。该方法在六个区域的80个真实数据集上验证，相对最佳基线将nMAE降低9.8%至33.5%、nRMSE降低7.5%至34.5%，并分析了合成数据比例、样本外测试及潜在运行经济影响。
固德威慧电科技与阿里云围绕能源垂直大模型、新能源智能体和统一云底座开展合作，重点覆盖负荷与电价预测、电力交易、电站运营和投资决策。文中披露电力交易智能体Megatron已用于自主交易申报，WE平台在广德聚合82兆瓦资源，并给出需求响应次数、可调能力及累计收益等产业落地数据。
论文研究数据中心聚合虚拟电厂参与电网调频时的功率调度与通信传输协同设计。方法先以NJWS谱聚类形成多个虚拟电厂，再用Bi-LSTM预测通信节点的时延、吞吐量和丢包率，并结合熵权法选择路由。仿真显示聚类指标优于对比算法，Bi-LSTM的RMSE为0.0659，协同方案可降低AGC跟踪误差。
文章基于内蒙古多座100MW级风光场站脱敏调研，梳理2026年上半年“两个细则”考核：风电罚款高点集中于3月春季大风，光伏高点集中于4月沙尘。主要问题包括通用NWP缺乏本地订正、传感器漂移与积灰、数据及可用功率漏报、闭环运维不足。建议通过本地化模型、多源数据上报、设备校验、风光储协同及日周月复盘降低考核损失。
AAAI 2026论文面向澳大利亚四州的日前电网碳强度预测，并行建模局部多频率时间模式和动态跨变量关系。模型以连续24小时的碳强度、负荷、可再生与非可再生发电及温度预测未来24小时，在三项指标上均优于多类时序基线；消融结果进一步验证两条支路的贡献，并说明跨区域泛化和时间外测试仍待补充。
文章结合多座光伏场站实测，评估天空相机利用AI云分割、光流追踪开展分钟级预测的效果。其在对流多云场景下可使15—30分钟预测RMSE降低15%—22%，但在晴天、雾、沙尘及30分钟以上预测中增益有限。工程应用应重视多点布设、设备运维、算法本地化及与NWP、卫星云图、辐照和SCADA数据融合，将其作为0—30分钟预测补强工具。
本文综述机器学习（ML）辅助高压应用绝缘材料开发的研究进展，系统介绍相关工作流程、代表性算法及其适用场景，并总结ML在气体、液体和固体绝缘材料的性能预测、配方优化和分子逆向设计中的应用。文章同时分析该领域面临的主要挑战及潜在解决方案，强调ML在揭示结构–性能关系和加速新型高性能绝缘材料发现方面的重要作用。
研究面向大型风电集群短期功率预测，利用风速、风向和时间梯度构建风角场，以动态更新的同质、异质图描述场站局部与广域关联，再通过图注意力网络双向融合特征。中国东北超5800兆瓦风电集群的15分钟级数据验证显示，该方法在多种预测尺度优于LSTM、GCN和GAT，未来24小时预测均方根误差降低2.67%。
论文提出时间序列推理动态路由框架TSRouter，以异构图Transformer建模任务、查询、模态和模型间交互，联合选择文本、视觉等输入模态及推理模型，并通过效用评分权衡准确率与成本。在四类任务上，其相对性能较基线提升16%–46%，且无需重新训练即可零样本接入未见模型和新任务。
研究面向变风速工况下风力发电机定子匝间短路，构建含75种故障和1种正常场景的公开基准数据集，并提出双层状态监测框架。方法以离散小波变换提取三相电流特征，比较LSTM、GRU和二维CNN的严重程度估计与故障相识别能力；GRU总体准确率最高达99.95%，CNN计算成本更低且抗噪性更强。
研究面向非恒定应力下IGBT模块键合线退化，搭建功率循环平台并采集9只器件在三种应力模式下的全寿命数据。方法以等效导通电阻表征健康状态，将历史退化轨迹及结温、应力等级等动态变量输入时序融合Transformer。完整输入模型的剩余寿命预测准确率较单变量模型平均提高约5至30个百分点。
MR介绍面向变压器及有载分接开关的AI资产管理实践：融合传感器监测、数字孪生、历史工况数据库和实验室数据，对设备当前状态及潜在故障位置进行判断与预测，并支持维护决策。文中还给出在线监测微水含量、减少年度取油送检等具体运维应用。