来源：北极星输配电网2025-06-20

他表示，智慧能源系统的构建强调物理、知识与数据的深度融合，其核心在于科学机器学习框架下“知识与数据双驱动”的平衡。...最后他总结，机器学习在解决能源领域的复杂非线性问题方面表现出显著优势，但其有效应用依赖于数据的基础支撑与领域知识的深度融合。

来源：隆基光建2025-06-19

ems系统采用机器学习算法，对电压波动、温度异常等参数进行毫秒级监测。

来源：中国能源观察2025-06-16

在测井解释方面，基于机器学习的测井智能评价方法，可大幅缩短测井解释时间，在某油气田1000余口井的测井资料解释中，解释效率提升60%以上，含气量预测中相对误差小于15%。...推动校企联合培养计划，与高校合作设计ai+能源交叉学科课程，共建智能钻井、数字油藏等实训基地；通过定向委培、联合课题攻关等方式，培养既懂油气地质又精于机器学习的技术骨干。

来源：北极星环保会展网2025-06-12

ai赋能，流量破局：环保行业的数字化转型与创新突围盛宇星，中国科学院过程工程研究所，副研究员;北京赛科康仑环保科技有限公司，总工程师工业园区地下管网-水智慧管控时美，上海电气数智生态科技公司，高级工程师机器学习

来源：辽宁省人民政府2025-06-12

加强机器学习等算法理论和行业应用算法研究。鼓励通用大模型发展，支持高校、科研机构、企业联合打造自主可控的通用大模型，推动重点领域垂直大模型技术发展，围绕关键环节开展驱动型研发。

来源：中国能源观察2025-06-03

在电网端，通过机器学习算法提升对新能源出力的预测精度，可以极大提高燃煤机组参与调峰调度的能力和水平，从而最大化减少化石能源消耗。...鉴于此，需要引入人工智能体，通过机器学习不仅可以分析历史数据，而且还能精准预测新能源出力情况，从而为实时优化发输配用储环节的运行参数与调度策略提供有力支撑，可以有效减少能源浪费与损耗，提升全链条效率。

来源：ABB电气2025-05-30

其中空结构可内置传感器进行实时监测和数据分析，配合机器学习算法实现对开关柜运行状态的精准预测。这种智能化的管理方式不仅降低了运维成本，还提高了设备的运行效率和安全性。

来源：能源新媒2025-05-26

在机器学习中，数据不均衡容易使模型出现过拟合现象，即模型过度学习了少数样本的特征，而忽略了大多数样本的共性，从而降低了模型的泛化能力。...传统的发电计划制定主要依赖历史数据和经验判断，难以实时应对复杂多变的运行条件；而基于机器学习算法的预测模型，能够综合分析气象数据、设备运行状态、电网负荷需求等多源信息，对发电功率进行提前预测，为合理安排发电计划提供科学依据

来源：Qorvo2025-05-22

qm35825，这款高性能、超低功耗soc集成了uwb收发器、mcu、fem，支持双向测距（twr）、tdoa、aoa等全定位协议，支持厘米级定位精度；发射功率达104dbm，并拥有片上人工智能（ai）及机器学习

来源：简捷物联2025-05-20

预测到2030年，ai和机器学习带来的数据中心能耗可能达到全球数据中心总能耗的25%以上。

来源：《能源评论》2025-05-19

借助机器学习、强化学习等技术，实时监测电网运行状态，基于预测结果自动调整发电计划和输电路径，动态优化功率流向，提升能源利用效率，降低碳排放。第三，建设面向用户的智能互动平台。...比如在智能碳计量与预测方面，通过整合先进的算法，实现了诸如“以电折碳”“卫星看碳”等实时监测手段；在资源动态统计上，以“光伏天眼”平台为例，该平台以国网新能源 云平台为载体，借助高分辨率遥感卫星，利用机器学习等人工智能技术和高分辨率遥感影像解译方法

来源：林洋能源2025-05-19

近日，林洋运维与澳大利亚新南威尔士大学（unsw）光伏与可再生能源工程学院的联合研究成果《跨尺度光伏功率转换模型评估：物理、机器学习与混合方法》（assessing solar-to-pv power...（nrmse）低至5.29%，适用于动态环境下的实时预测；2.中型场景：支持向量回归（svr）等机器学习模型通过历史数据训练，预测精度显著优化，nrmse降至3.97%，验证数据驱动方法的场景适配性；3

来源：国家电网报2025-05-19

“我们构建了包含3大产业、11类行业、10个重点行业的用电需求预测模块，通过机器学习算法，使数据计算一次准确率超过98%。”该院能源经济研究中心主任胡诗尧介绍。

来源：海博思创2025-05-13

电站性能智能分析与精准预警保障系统稳定性“海博精灵hypergenie”集成了先进的电站性能智能分析功能，能够实时监控设备的运行状态（如温度、电流、电压等），采用机器学习和深度学习算法进行工况划分、异常识别

来源：中能传媒研究院2025-05-12

自然语言处理、计算机视觉、机器学习等领域不断涌现新成果。大模型的性能和效率不断提升，已经逐步具备泛化的智慧，能学习，会思考。同时，多模态融合技术逐渐兴起，将文本、图像、音频等多种数据模态进行融合处理。

来源：湖南省工业和信息化厅2025-05-12

大力推动机器学习、知识图谱、自然语言处理、智能语音、计算机视觉、生物特征识别、人机混合增强智能、群体智能、跨媒体智能、具身智能等技术研发应用。发展垂直行业大模型。

来源：叶春能源2025-05-06

盲区一：数据失灵——模型再聪明也难料“盲眼行军”机器学习有句行话：“垃圾进，垃圾出”。ai的判断高度依赖于输入的数据质量。如果传感器给它的“眼睛”蒙尘，再智能的模型也会失明。...利用机器学习模型，分析历史用电数据、气象因素、经济活动等，电网可以更精确地预测未来几小时到几天的负荷变化，以及风、光等可再生能源发电情况，以帮助制定合理的发电计划和购电策略，既避免电力过剩浪费，又防止供不应求引发断电

来源：中关村储能产业技术联盟2025-04-29

其团队通过多尺度电极结构优化与机器学习辅助设计，将电流密度提升至400ma/cm²，推动液流电池度电成本显著下降。他强调，风光发电规模化需配套长时储能技术，液流电池市场潜力巨大。

来源：欣旺达储能2025-04-29

作为能源数字化领域的创新实践标杆，该项目采用区块链、物联网、大数据、机器学习等技术，实现光伏、储能、充电桩、工商业可控负荷的动态调节。项目主要建设一套端到端虚拟电厂平台，对可调资源进行动态智能调控。

来源：兰木达电力现货2025-04-29

在此形势下，以数据智能为抓手的数据平台成为利器，以机器学习为代表的前沿算法成为底气，时分秒变换间，信息输入，数据输出成为“高质量交易模态”。