来源：鉴衡认证2026-10-22

面向海上风电，推进空‑天‑地协同观测评估，利用机器学习实现海面风速外推，最终实现观测过程可溯源、资源评估结果更加可信。...针对湍流测量难题，报告分析雷达体积平均效应带来的湍流ti偏差，采用物理先验及机器学习的湍流修正模型，对标dnv‑rp‑0661标准；同时提出多雷达协同虚拟测风塔方案，进一步提升湍流观测精度，支撑风电场从前期资源评估到后期运维的全生命周期应用

来源：国家铁路局2026-10-13

突破机器学习驱动的多维多源异构数据高维特征提取与时空特征融合技术，构建跨模态高精度动态感知模型。研发跨区域/跨制式协同的路网调度运行优化技术及列车无人驾驶安全验证框架，集成失效主动防控机制。

来源：天津市机关事务管理局2026-10-09

包括但不限于建筑用能多维度ai感知与数据治理，基于机器学习的冷热（电力、给排水）负荷ai预测，中央空调、锅炉、水泵、新风、照明系统ai自适应优化调控，机电设备故障智能诊断预警与剩余寿命预测，能源系统数字孪生仿真与节能潜力

来源：中能传媒研究院2026-10-09

在核聚变材料领域，美国橡树岭国家实验室开发了生成式机器学习工作流，能够合成用于聚变反应堆部件建模的真实钨微观结构图像，按需生成物理上合理的微观结构。

来源：国家电网报2026-09-24

低压用电异常智能诊断模型基于新一代用电信息采集系统开发，应用等值阻抗原理，整合电网拓扑、用电负荷、线路线损等多维度数据，采用机器学习算法模型，捕捉台区高损日与低损日的用户压降变化，能够自动识别线路电流损失

来源：天津市机关事务管理局2026-09-21

包括但不限于建筑用能多维度ai感知与数据治理，基于机器学习的冷热（电力、给排水）负荷ai预测，中央空调、锅炉、水泵、新风、照明系统ai自适应优化调控，机电设备故障智能诊断预警与剩余寿命预测，能源系统数字孪生仿真与节能潜力

来源：中国电力报2026-09-17

但该系统与其说是智能化，不如说是基于“传感器+预设规则+自动切换”的自动化，其自主执行的权限被严格限定在预设规则、后果可逆且非常有限的决策场景之内，本质上属于接近自主决策边界的自动化，尚未真正达到由机器学习驱动的自主自为状态

来源：中国能源观察2026-09-17

以大模型、机器学习、强化学习为代表的ai技术，可深度融合物联网、大数据、数字孪生等技术，实现微电网“源—网—荷—储”全要素精准感知、智能决策与动态优化，推动工业绿色微电网从“示范试点”向“规模化商用”跨越

来源：国家电网报2026-09-15

团队研制了集成边缘计算的多灾害全域低功耗预警样机，解决了传统监测手段依赖表观变形、需钻探开挖、灾前预警能力不足的问题，突破主被动源联合反演技术，重点解决10米以下浅层非显性滑坡探测难题，构建“物理约束+机器学习

来源：赣州市人民政府2026-09-14

于都县为重点，主动融入“东数西算”布局，聚焦算法、数据、算力三要素，科学布局一批算力中心、边缘计算节点、区块链节点等融合基础设施，不断夯实大科学装置，推动人工智能技术不断更新迭代发展，突破一批以计算机视觉、机器学习

来源：国管局2026-09-07

包括但不限于建筑用能多维度ai感知与数据治理，基于机器学习的冷热（电力、给排水）负荷ai预测，中央空调、锅炉、水泵、新风、照明系统ai自适应优化调控，机电设备故障智能诊断预警与剩余寿命预测，能源系统数字孪生仿真与节能潜力

来源：云南省工业和信息化厅2026-09-04

通过集成机器学习算法与工艺知识图谱等技术，对材料显微组织进行ai分析与识别，实现工艺参数在线优化与质量异常实时预警，显著提升材料创新能力。...基于数字孪生技术搭建生产全流程仿真环境，结合机器学习工艺寻优模型开展参数迭代优化，实现熔炼、萃取、电解、合成等核心工艺参数优化，提升稀贵金属材料纯度与性能一致性。

来源：江苏省人民政府2026-09-01

加快推进气象人工智能技术创新与业务融合，构建自主可控技术体系，突破协同观测、预报预警、灾害识别、气候预测等智能算法，强化数值模式与机器学习融合。

来源：江苏省人民政府2026-09-01

加快推进气象人工智能技术创新与业务融合，构建自主可控技术体系，突破协同观测、预报预警、灾害识别、气候预测等智能算法，强化数值模式与机器学习融合。

来源：优旦科技2026-08-24

随着云端算力、机器学习、大数据深度注入，让bms跳出了硬件的物理边界，从被动的电池守护进化为主动的资产运营。在这场ai与锂电融合的产业浪潮中，优旦科技率先完成布局并落地验证。

来源：福建省人民政府2026-08-21

依托智算中心搭建云边端协同算力网络，研发高性能ai服务器、边缘网关，攻坚计算机视觉、机器学习等核心技术。

来源：兰木达电力现货2026-08-19

传统方法先将24点气象插值为96点，再使用xgboost等机器学习模型进行预测。...02传统的机器学习建模方法及不足deficiencies传统建模流程通常会将升频后的96点气象特征、历史风电功率、时间特征和场站状态数据拼接起来，再输入xgboost、lightgbm、随机森林、lstm

来源：天津市市场监管委2026-08-19

构建数据工厂、模型工厂、智能体工厂和知识库体系，支持机器学习、深度学习等算法模型开发训练。

来源：中央纪委国家监委网站2026-08-18

数字技术高速泛在、智能敏捷、安全可控等属性对提升能源利用效率和消纳能力具有重要作用，应充分利用大数据、机器学习等数字技术建立新能源功率预测及消纳能力分析模型，为新能源项目建设、并网运行、动态消纳等提供科学决策依据

来源：固德威GOODWE2026-08-18

根据协议，固德威将基于樊文飞院士首创的“机器学习+逻辑推理”的多范式ai技术路径，以深算院自主研发的三大全栈ai基础软件——崖山数据库系统、采石矶数据质量与自动标注系统、钓鱼城智能数据分析系统，深度赋能固德威旗下慧电科技