公众号
国家能源低碳院成功研发AI电力交易员
国家能源低碳院研发机理与数据融合的AI电力交易员平台，贯通电价预测、策略生成、交易申报与复盘评估，并在火电和售电现货场景测试两个月。节点电价预测精度较主流方法提升3%至6%；售电方案优于人工的交易日占59.5%，火电策略累计收益较人工提升39%。
方法时序预测场景预测与感知 · 优化与决策
电力人工智能大会查看原文 ↗
看技术
追踪能源领域最新技术、论文、代码与数据集
公众号
深度文章 • ABB | 让每一度绿电都"物尽其用"
ABB厦门工业中心建设包含12.3MWp光伏、600kW/1.2MWh储能及柔性负荷的绿色微电网。ZEE600平台按15分钟滚动预测发电与负荷，准确率超过90%，并由多个智能体协同优化运行策略。项目实现绿电本地消纳接近90%、用电成本下降约20%，年减排约1.34万吨。
方法时序预测 · 大模型与智能体场景预测与感知 · 优化与决策 · 知识与协同
电气时代查看原文 ↗
公众号
光伏功率预测深度辨析：辐照度与组件温度，谁才是出力第一影响因子？
文章从物理机制、实测扰动、误差来源和工程建模对比辐照度与组件温度。全年全场景下，辐照度决定出力上限，是第一影响因子；稳定晴天中，组件温度会成为精度关键。建议按云量、季节动态调整权重，以背板温度传感器和热平衡模型替代单纯环境气温输入。
方法时序预测 · 物理与数据融合场景预测与感知
新能源功率预测查看原文 ↗
公众号
AAAI 2024｜E2E-AT：把预测误差与电网决策不确定性一起纳入训练
论文提出E2E-AT端到端对抗训练框架，将负荷预测输入扰动和线路电纳等优化参数扰动统一纳入训练，以调度任务成本而非单纯预测误差为目标。在Texas负荷数据和修改后的IEEE 14节点系统上验证，并公开代码；结果显示其可显著降低参数偏移和攻击条件下的调度成本。
方法时序预测 · 可信人工智能场景预测与感知 · 诊断与安全 · 优化与决策
Intelligame Lab查看原文 ↗
公众号
甘肃风电预测模型：将复杂天气转化为可量化的出力判断
文章介绍甘肃D+2区域风电出力预测实践，将数值天气预报与历史出力结合，并构造风速三次方、空气密度及结冰风险等特征。对比岭回归、随机森林、极端随机树和直方图梯度提升后，极端随机树表现最佳，8月测试MAE约1378MW、R²为0.899，并通过滑动窗口、误差热力图和特征重要性检验稳定性。
方法时序预测场景预测与感知 · 诊断与安全
兰木达电力现货查看原文 ↗
公众号
【好文分享|机器学习+量子Benders分解】TPWRS：LSTM与SVM协同压缩随机机组组合，量子比特需求最高降低75%
论文提出机器学习增强的量子—经典Benders分解框架，用LSTM预测随机机组组合子问题代理成本，以SVM筛选主导割，再由QAOA求解压缩后的主问题。IEEE 24及118节点实验显示，24小时案例主问题求解时间由281.60秒降至24.00秒，量子比特需求最高降低约75%，且未明显改变最优结果。
方法时序预测场景预测与感知
AI+绿能查看原文 ↗
公众号
【好文分享|机器学习+量子Benders分解】TPWRS：LSTM与SVM协同压缩随机机组组合，量子比特需求最高降低75%
研究针对随机机组组合的量子—经典Benders分解，利用LSTM预测子问题代理成本，并用SVM筛选主导割，以压缩QUBO主问题。IEEE 24节点和118节点算例显示，24小时主问题求解时间由281.60秒降至24.00秒，量子比特需求最高减少约75%，同时保持相同最优结果。
方法时序预测场景预测与感知
综合能源新视界查看原文 ↗
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
论文提出面向分布式电动汽车的LSTM-TD3记忆增强能量管理框架，统一协调前后轴驱动与再生制动转矩。方法使用1.5秒历史状态提取时序特征，并在实测车速、坡度及dSPACE硬件在环平台验证。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。
方法时序预测 · 优化与强化学习场景优化与决策
综合能源新视界查看原文 ↗
公众号
KDD 2026 | 华东师大把多模态做进了交通时空大模型，零样本也能跨城落地
华东师大提出多模态时空基础模型MoST，用于跨城市零样本交通预测。模型以可微SNR选择器筛除低质量或缺失模态，并通过模态引导的空间专家路由与局部交叉注意力适配不同区域模式。其在5个真实数据集上取得更低MAE，仅含约2M参数，并提供论文、代码、消融与效率对比。
方法时序预测 · 大模型与知识智能场景预测与感知 · 知识与协同
时序人查看原文 ↗
公众号
微软研究院：用机器学习提前 30 到 60 分钟预测空间天气对电网的风险
微软研究院构建端到端机器学习流水线，结合太阳风、AE与Dst预报、地质电导率和变电站位置，为美国本土66935座变电站提前30至60分钟评估空间天气风险。系统采用梯度提升模型预测与地磁感应电流相关的磁场变化率，重大和严重事件检测率分别为76.5%和81.2%，并列出公开数据来源及后续验证方向。
方法时序预测场景预测与感知 · 诊断与安全
EarthAi查看原文 ↗
公众号
当图本身就是世界，下一步会发生什么？WorldGraph让图世界学会演化
论文提出图原生世界模型WorldGraph，将节点、边、属性及历史转移统一为持续演化的图世界。模型结合多粒度图Transformer、历史感知状态编码与转移感知强化学习，并构建覆盖节点、边、图级任务的GWM-Zero基准。实验显示其在稀有节点删除、边变化、局部结构及多步预测上优于多类基线，还可作为插件提升L³P、C-SWM和GWM-E。
方法时序预测 · 优化与强化学习场景预测与感知
时空探索之旅查看原文 ↗
公众号
西南交通大学牵引供电系统团队提出一种基于多主体依互和在线学习的图神经网络 “网-源-储-车”协同供能系统能量超前管控方法
西南交通大学团队面向“网—源—储—车”协同供能，构建多主体运行工况转移图，并融合图卷积、多头注意力与在线学习，利用当前运行数据预测下一时刻工况和功率需求，提前分配光伏与储能能量。实际运行数据验证显示，该方法可实现模型动态更新及新能源、储能和列车负荷的协同管控。
方法时序预测 · 图与网络智能场景预测与感知
电工技术学报查看原文 ↗
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 ↗
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
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
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
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 ↗