来源：远光软件2025-03-25

通过神经网络模型(convnext)，结合图像语义分割技术以及迁移学习技术，进一步识别高分遥感图像中屋顶资源，在此基础上评估可利用屋顶面积、预计可装机容量及预测年发电量等数据，相应的测算数据通过统计年鉴

来源：储能科学与技术2025-03-20

目前，数据驱动方法发展迅速，如支持向量回归(support vector regression, svr)、高斯过程回归(gaussian process regression, gpr)和神经网络(neural...从图6和表6中可以看出，当只使用15%的数据进行训练时，虽然5种模型都可以预测电池容量，但三种nn的预测精度较低，并且它们的误差在预测起始时最大，造成这种差异的主要原因是神经网络的结构更复杂，这需要更多的训练数据

来源：中国电力报2025-03-17

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：北极星电力网2025-03-06

例如，在化学分子结构预测中，图神经网络可以更好地捕捉分子之间的复杂关系，从而提高预测的准确性。2.3 科学原理发现：基于语言与多模态的探索科学智算的第三个研究层次是科学原理的发现。...通过使用监督学习，可以训练一个神经网络模型来近似有限元方法的计算结果，从而在保证一定精度的前提下大幅提高计算效率。这种方法的核心在于利用已有的数据和模型，通过学习和优化，找到更直接高效的输入输出映射。

来源：中国电力2025-02-28

图4为采用神经网络和时间序列算法得出的光伏出力预测和负荷预测结果。为不失一般性，假定光伏和负荷的真实值由超短期滚动预测值叠加正态分布误差得到。...上层年滚动优化在每年初开始计算，采用神经网络方法，通过历史信息对已建成的光伏及负荷数据进行预测，然后构建光-储系统变时间尺度的年滚动优化模型，优化目标为年收益最大。

来源：电网头条2025-02-27

越来越多自主可控的源网荷储协同互动核心器件被成功研发，让新型电力系统有了更硬实的“骨骼肌肉”、更敏感的“神经网络”，让电网“稳”的基础更扎实，“绿”的动能更强劲。

来源：国家电投2025-02-26

该系统依托多年火电设备远程诊断经验和技术监督专家团队，融合神经网络深度学习算法，实现了火电机组设备健康状态的实时监控与预警，显著提升了设备运行的安全性和效率。

来源：思格新能源2025-02-22

利用大数据分析云平台上处理过的海量数据和神经网络模型，思格新能源构建了云端bms(电池管理系统)，从而量化电池健康状态，提供最佳运行决策并最大程度延长使用寿命。

来源：储能科学与技术2025-02-17

表1 对gpt-1、gpt-2、gpt-3、gpt-4的比较1.2 人工神经网络模型大语言模型的基本结构为人工神经网络(图2)。...人工神经网络能拟合高度非线性的场景，且适用于处理复杂多变的自然语言。人工神经网络模型已经被广泛应用于储能研究领域，包括储能材料设计与储能器件管理。

来源：NE时代新能源2025-02-14

该芯片专为ai大模型定制，集成了2个自研的神经网络处理大脑（npu）、2个独立图像信号处理器（isp），拥有40核处理器，可支持最高30b参数的大模型，为飞行汽车的自动驾驶功能提供了强大的计算支撑。

来源：能源新媒2025-02-13

其中，回归模型指的是仅采用回归方法构建的模型，包括不同的线性和非线性方法的组合；神经网络模型指的是仅采用基于神经网络的方法构建的模型及其组合，回归－神经网络模型指结合了回归方法和神经网络的组合模型，其余模型指借助回归及神经网络之外的方法建立的模型

来源：储能科学与技术2025-02-13

随着人工智能的发展，不少研究发现通过深度学习算法，如对抗网络模型、全卷积神经网络、u-net架构等，能够对电镜图像中的颗粒进行有效识别。...例如，卷积神经网络从测试结果数据中提取特征，评估电池状态；遗传算法自动识别电化学测试数据的等效电路模型；随机森林或xgboost等集成学习方法，通过构建并整合多个弱预测模型，增强了对高维数据集的处理能力和整体预测性能

来源：中国电力2025-02-11

（deep neural network，dnn）以及深度学习算法包括卷积神经网络（convolutional neural network，cnn）、门控循环单元（gated recurrent unit...logistic regression，lr）、支持向量机（support vector machine，svm）、极限梯度提升（extreme gradient boosting，xgboost）、深度神经网络

来源：北极星电力网2025-02-08

四、发展建议1.技术融合创新·构建"物理+数据"混合驱动模型，增强可解释性（如pinn物理信息神经网络）。·开发电力领域专用预训练模型（如powerbert处理设备缺陷文本）。

来源：鱼眼看电改2025-02-06

而从演化的趋势看，神经网络和电力系统都具有某种本能的去中心化趋势：电力系统正在从传统的集中式发电（如大型电厂）向分布式能源（如太阳能、风能）转变，这类似于神经网络的分布式处理能力。...大脑的神经网络本身就是一个去中心化的系统，不依赖单一节点，任何局部损伤都不会导致整个系统崩溃。

来源：中能传媒研究院2025-01-24

数据机理双驱动耦合模型是一类耦合机理建模和数据驱动建模的混合预测模型，其主要包括物理信息神经网络、集成机理模型和数据驱动的串联混合模型以及并联混合模型等。

来源：国能日新2025-01-22

国能日新功率预测技术采用微地形、微气象建模，从物理上分区域预测，利用神经网络等ai算法，实现模型与真实光伏场站的高度匹配，达到更高功率预测精度，为项目可靠、稳定运行提供技术保障。

来源：北极星输配电网2025-01-20

据介绍，2024年国网成都供电公司与国家超级计算成都中心共同研发了基于lstm神经网络的电网负荷预测模型，通过大数据与人工智能计算，在成都市范围内实现了分地区的分钟级实时负荷预测。

来源：中国新闻网2025-01-14

“大瓦特·驭电”从基础模型开始就完全自主开发，全球首创神经网络求解高阶微分代数方程技术，填补了国内外在电力系统科学计算大模型领域的空白。...“大瓦特·驭电”利用基于物理约束神经网络的人工智能技术，能够依据新能源发电状况，快速精准分析电网安全边界，动态优化电网运行方式，有效解决新能源变化无常、难以计划带来的难题，最大限度提高新能源的利用率，为电力系统规划与运行方案制定提供了全新的工具

来源：南方电网报2025-01-10

在基座设计方面，研制以图神经网络和transformer算子为核心的仿真分析大模型基座，实现电力系统变规模、变拓扑、多层次空间特征提取和节点拓扑关联解耦，适应大规模潮流方程的并行求解。...它利用基于物理约束神经网络的人工智能技术，能够依据新能源发电状况，快速精准分析电网安全边界，动态优化电网运行方式，有效解决新能源变化无常、难以计划带来的难题，最大限度提高新能源的利用率，为电力系统规划与运行方案制定提供了全新的工具