来源：储能网2025-04-01

以电池组性能预测为例，一些先进的智能运维系统利用机器学习算法，对电池组的运行数据进行深度挖掘和分析，能够准确预测电池性能下降的趋势。

来源：北极星风力发电网2025-03-31

风电行业面临技术升级、智能化运维等局面，企业加速部署ai监测、无人机巡检等技术，对于运维人员提出更全面的数据分析、机器学习等技能要求。3.海上运维人才供需失衡。

来源：北极星电力网2025-03-31

最后还通过大数据分析和机器学习技术，不断优化储能系统的运行策略，帮助用户提升产品收益率，实现更高的经济效益。

来源：国能日新2025-03-28

精准市场预测与策略优化ai预测技术：通过机器学习分析历史供需数据、天气条件及政策变动，预测未来72小时电价波动区间，预测可能出现负电价时段，及时采取应对措施。

来源：协合运维2025-03-26

通过机器学习整合历史数据、实时行情与预测模型，实现策略生成-申报-复盘的电力交易业务的全链条ai化。

来源：储能科学与技术2025-03-25

与传统物理模型相比，数据驱动模型利用大量实验数据，通过机器学习算法进行训练，能够在不完全了解电池内部物理机制的情况下，实现高精度的温度预测。

来源：河南省发改委2025-03-24

开展融合逻辑推理、知识表示与机器学习的新型学习范式研究。支持知识蒸馏、剪枝、量化等深度学习模型压缩技术研发，加速模型运行效率，降低模型训练成本。

来源：储能科学与技术2025-03-20

2.2 特征提取与相关性验证要将机器学习应用于锂电池容量预测，必须提取适当的特征因子。在这一过程中，不仅要考虑特征因子与电池容量的强相关性，还要考虑特征提取的便利性、合理性和实用性。

来源：中车能源2025-03-20

与此同时，利用先进的机器学习算法及自学习机制，有效地融合了来自不同来源的气象预报数据，进一步增强预测的可靠性和稳定性。...结合风电场历史数据，风功率预测技术综合应用了机器学习、深度学习、统计学、时间序列预测等多种方法，学习风电场特有的功率输出特性，构建了高精度功率预测模型，实现对未来功率输出的精确预测。

来源：中车能源2025-03-20

风电机组故障预警与健康管理系统数据大脑机器学习驱动精准运维中车株洲所构建的基于数据驱动的cms智能诊断平台，将高铁故障预测技术迁移至风电领域，成为风场运维的“智能中枢”。

来源：亮报2025-03-19

上海浦东供电公司研发的变电站仿生值班员“浦睿”，拥有机械臂、仿生手以及多功能末端工具库，配置了触觉力反馈、机器学习、视觉引导、避障保护等先进技术，既可按照指令实现无死角精准巡视，也可完成精细化的机器代人操作

来源：中车能源2025-03-18

与此同时，利用先进的机器学习算法及自学习机制，有效地融合了来自不同来源的气象预报数据，进一步增强预测的可靠性和稳定性。...结合风电场历史数据，风功率预测技术综合应用了机器学习、深度学习、统计学、时间序列预测等多种方法，学习风电场特有的功率输出特性，构建了高精度功率预测模型，实现对未来功率输出的精确预测。

来源：中国电力报2025-03-17

采用transformer等高级机器学习模型，结合贝叶斯优化动态调节超参数，建立自适应智能混合模型，精准预测多尺度市场价格。...结合大数据技术，通过聚类分析和特征工程捕捉数据实时波动趋势，应用长短期记忆网络和循环神经网络等机器学习模型，实现短期和超短期电力负荷高精度预测。

来源：储能科学与技术2025-03-14

本研究不仅是对锂电池领域知识的探索，也是科学文献分析中应用机器学习的前沿尝试，可作为专家知识和见解的补充。...本文运用大数据和机器学习技术，采用bertopic主题模型，对全球锂电池相关论文进行了系统性文本分析，构建了一个锂电池研究领域的主题图。

来源：南方电网报2025-03-12

一切人工智能算法的学习都离不开训练样本数据，特别是以数据驱动为基础的机器学习、深度学习算法，数据的全面性、完整性对学习的效果至关重要。

来源：重庆市城市管理局2025-03-12

构建园林管养管护质量评估应用场景，基于物联网、视觉识别、机器学习等技术，为园林病虫害监测预警、自动识别、防治指导提供技术支撑。到2027年，完成7个以上ai赋能应用场景建设。

来源：中国电力报2025-03-10

ai技术通过机器学习和深度学习算法，能够对核电站的运行数据进行实时分析和预测，提前发现潜在的安全隐患，优化设备维护计划，从而显著降低事故风险，提升核电站的安全运行水平。

来源：北极星电力网2025-03-06

1.2 科学智算核心能力与优势科学智算的核心在于将ai技术与科学计算相结合，利用机器学习、深度学习、自然语言处理等ai技术，解决传统科学计算中难以处理的复杂问题。

来源：思格新能源2025-03-06

“思格深度融合ai、大数据及机器学习的光储解决方案，在算法迭代和实时调控方面表现突出，不仅能精准匹配电价与负载需求，更能快速响应突发状况，减少能量浪费并提升收益。...ai调度，破局复杂电力交易思格工商业光储系统，深度集成人工智能，结合大数据分析和机器学习算法，使得光储系统能够根据电价波动、天气变化和用电负载变化，灵活管理光伏发电、储能与电网互动，自动优化电池的充放电时机

来源：储能科学与技术2025-03-05

在deepseek辅助推动下，未来储能材料发现技术路线将聚焦三个层面：发展融合第一性原理与机器学习的跨尺度模型，攻克固液界面双电层动态演化等模拟难题；构建覆盖材料合成-器件集成-老化失效全周期的数字孪生系统...在电力市场与经济分析方面，美国太平洋西北国家实验室abhishek somani教授团队提出了基于机器学习的分析框架，自动识别并报告电力市场价格骤变事件的关键驱动因素，为市场设计与政策分析提供更精确的价格机制理解和更高效的干预手段