来源：江西省生态环境厅2024-06-14

水利基础设施领域重点研发适应干旱、旱涝急转、高温、极端低温等不利工况的耐腐蚀性新型筑坝材料和适应技术，充分利用云计算、大数据、ai等技术，推进水利模型库、学习算法库等业务应用支撑能力建设，试点机器学习、

来源：长园飞轮2024-06-12

长园飞轮通过大数据分析、机器学习等方式来提升比特管理瓦特的能力，提供虚拟电厂、光伏运维、智慧电力、能源管理等软件产品与服务。

来源：北极星电力网2024-06-12

从早期传统的机器学习技术，后来引入深度学习，再到后来的强化学习，逐渐探索并发现人工智能的重要价值。彼时，恰逢生成式人工智能爆发， “大模型”也成为电力人工智能探索发展的热点方向。

来源：中国能源报2024-05-29

2018年以来，美国能源部旗下地热技术办公室资助了机器学习的早期研究和开发应用，旨在加强地热资源勘探能力。...据了解，zanskar公司的机器学习解决方案通过分析卫星、地质调查、地震后穿过地面的波浪等数据信息来预测钻探的最佳地点。

来源：ABB电气2024-05-27

它能够通过内置式的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：国家电网报2024-05-27

该应用引入了大数据分析技术和机器学习算法，综合考虑新能源发电效率和客户的用电负荷，重新构建了新能源并网可开放容量的计算模型，并按照不同地区、不同电压等级分析光伏发电曲线和用电负荷，在保证电网安全稳定运行的同时充分挖掘新能源接入潜力

来源：朗新研究院2024-05-21

因此本文通过机器学习差分进化算法，结合上述模型，在所有可能的方案中找到满足用户、电网、社会效益最大化的方案。

来源：广州市人民政府2024-05-16

支持广州人工智能公共算力中心扩容，推动国家新一代人工智能公共算力开放创新平台建设，构建一体化算力服务体系，加快形成安全可信、自主可控的人工智能技术生态，赋能机器学习、自然语言处理、图像识别、智能语音、人机协同

来源：北极星电力软件网2024-05-15

协议提出三点措施，一是基于人工智能机器学习算法等先进技术，建立昆山电力负荷和新能源功率预测模型。

来源：福州市发展和改革委员会2024-05-11

鼓励支持平台龙头企业发挥数据、分析和机器学习算法、算理等技术，提高平台效率和服务质量。

来源：福州省发改委2024-05-11

鼓励支持平台龙头企业发挥数据、分析和机器学习算法、算理等技术，提高平台效率和服务质量。

来源：山东省人民政府2024-05-11

研究机器学习、工业大模型等技术，开发高性能分布式数据分析系统，推动人工智能技术在智能制造、智能交通、空天信息等领域应用。（二）高端装备产业链。5.工业母机与行业装备。

来源：山东省人民政府2024-05-10

研究机器学习、工业大模型等技术，开发高性能分布式数据分析系统，推动人工智能技术在智能制造、智能交通、空天信息等领域应用。（二）高端装备产业链。5.工业母机与行业装备。

来源：能源催化转化全国重点实验室2024-05-09

这一模型框架不仅提高了电池管理系统的准确性，保障电池的安全可靠性，而且通过机器学习不断优化自身性能，实现自我完善。

来源：中国环保产业协会2024-05-07

借助人工智能和机器学习算法，利用先进的数据分析算法和技术，对大量的监测数据进行快速处理和分析，提取有用的信息和趋势，更好地识别环境污染源、预测环境污染趋势，并提供针对性的环境保护措施。

来源：安富利2024-04-29

通过集成先进的控制算法和机器学习技术，pcs可以更智能地响应电网的变化，优化电池的充放电过程，从而提高整体系统的性能和寿命。此外，数字化控制还使pcs能够远程监控和诊断，提高系统的可靠性和维护效率。

来源：中国电力企业管理2024-04-23

以数智化发展为契机，积极培育新质生产力，促进人力资源优化、智能技术应用和业务工作的深度融合，从数据收集与分析、状态感知、优化与规划、风险识别管控、量化分析、精益化管理等多方面积极发展数据挖掘、机器学习等新兴技术

来源：采日能源2024-04-17

采日能源“智能安全预警盒子”集成了人工智能技术，其核心功能是基于机器学习、深度学习等高级算法，结合多种传感器，实现对多种故障类型的精准识别和预警。

来源：南方电网报2024-04-16

“那时公司做人工智能的还比较少，面试官看到我的研究方向是视觉自主导航系统与机器学习，很感慨地说，‘这个方向在南方电网大有可为，我们率先发展了无人机巡检’。”

来源：浩普智能2024-04-10

ai+环保应用以“ai+环保”应用为例，浩普智能创新推出环保岛智慧控制系统，针对传统环保岛普遍存在燃料种类多变、负荷波动频繁等状况导致污染物排放波动大，缺乏整体的协同优化与智能调控等问题，依托机器学习及大数据分析