追踪能源领域最新技术、论文、代码与数据集
该内容聚焦规划与仿真，涉及优化与强化学习。Interphases remain the least understood components in advanced batteries. Although their properties dictate whether a new battery chemistry could perform as designed, there has nev…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦预测与感知，涉及优化与强化学习。Multistage stochastic model predictive control (MPC) handles uncertainty by optimizing over a scenario tree, a finite branching approximation of future outcomes constructed from sa…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦优化与决策，涉及优化与强化学习。Agentic AI extends energy management beyond fixed-form interaction by translating natural-language requests into coordinated scheduling actions. We present a hierarchical ReAct Ene…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦诊断与安全，涉及优化与强化学习。Electrical faults in power transmission systems can severely affect grid stability, equipment safety, and operational reliability. Traditional protection schemes, particularly dist…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦优化与决策，涉及优化与强化学习。This paper presents, for the first time in power systems literature to our knowledge, analytical tools to explain the training performance of machine learning surrogate models for …… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦预测与感知，涉及优化与强化学习。The increasing penetration of distributed energy resources, variable renewable generation, battery energy storage systems, electric vehicles, and power-electronic interfaces is cha…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦预测与感知，涉及优化与强化学习。Machine learning project comparing SVM, gradient boosting, and deep learning for predicting stability in a decentralized smart grid. 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦预测与感知，涉及优化与强化学习。Deep Learning based Smart Grid Electricity Consumption Prediction using LSTM, GRU, Bidirectional LSTM, Attention LSTM and Streamlit Dashboard. 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦控制与自治，涉及优化与强化学习。Code of the paper "Safe Reinforcement Learning for Voltage Control in Distribution Networks with Energy Storage Systems: A Pareto Gradient Projection Approach". 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦预测与感知，涉及优化与强化学习。ABSTRACT -The increasing integration of renewable energy resources, distributed generation, electric vehicles, and intelligent monitoring devices has significantly enhanced the com…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦预测与感知，涉及优化与强化学习。With the development of modern energy systems, there is a need to operate increasingly intelligent electricity systems. Smart grids are advanced electricity networks that allow for…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
本文提出面向微电网的两阶段数据驱动运行方法，以降低电池储能寿命损耗。日前阶段分配退化范围并建立电热老化模型，实时阶段利用近似动态规划应对不确定性，在兼顾温度约束的同时提升优化可行性和训练效率。
本文面向光伏—电池混合微电网中双向 DC-DC 变换器的稳定控制，提出分层控制策略，并使用 TD3 强化学习实时优化扩张状态观测器参数。仿真和实验结果表明，该方法相较传统双闭环 PI 与 LADRC 具有更好的控制性能。
该内容聚焦优化与决策，涉及优化与强化学习。In recent years, efficient energy utilization has become critically important, particularly in the context of electricity consumption. One of the major contributors to non-technica…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该内容聚焦优化与决策，涉及优化与强化学习。Reinforcement Learning pipeline for commercial building energy management. Controls EV charging stations (EVCS), HVAC, and Battery Energy Storage Systems (BESS) to minimize electri…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
该研究把大语言模型用于生成奖励函数和策略框架，再由多智能体强化学习执行综合能源系统分布式低碳调度。结果表明，LLM 与 MARL 的结合能够同时改善碳排放、运行成本和大规模系统可扩展性，是“生成式 AI + 能源优化决策”的直接应用。
本文提出面向电网企业能源效率管理的时空自适应优化网络 SAEON。该框架结合图神经网络与长短期记忆网络刻画电网数据的空间和时间依赖，并利用深度强化学习优化负荷分配。原文实验表明，该方法能够降低能源成本与损耗、改善负荷平衡，并通过自适应反馈机制持续调整模型参数。
本文研究构网型逆变器在不确定和弱电网条件下的自适应功率控制，提出结合注意力机制、分层策略网络和优先经验回放的深度强化学习框架。原文报告该方法可降低谐波失真、缩短动态响应时间、扩大弱电网稳定运行范围，并满足实时控制所需的推理速度。