来源：天合储能TrinaStorage2025-07-28

负荷预测：基于18类制造业工艺知识库及机理+机器学习模型，平滑预测曲线，挖掘可调空间。仿真模拟：清晰呈现ai决策逻辑，支持不可控情景推演与售前方案协同设计，提升透明度和方案可靠性。

来源：国家数据局2025-07-25

2.智能回收及资源化利用聚合用户偏好、市场波动与回收行业数据，贯通供需信息链路，提升回收效率与公众参与度；依托图像识别与机器学习等技术优化智能收集分选系统，实现固体废物精准分类，助推资源化利用产业发展。

来源：北极星售电网2025-07-21

根据电价预测的特点，可选择传统统计学模型(如arima)、机器学习模型(如svm、随机森林)或深度学习模型(如lstm、transformer、gnn)等。...利用机器学习技术自动识别关键约束和变量，减少人工干预；利用深度学习技术优化潮流方程求解，提高计算效率。三是开发标准化、可扩展的建模技术，适应市场规则变化。

来源：能源新媒2025-07-17

历史出力数据和实时运行数据的预测模型，不断提升新能源的出力预测精度；依据现货市场价格信号引导，合理调整新能源场站运行方式（光伏板朝向），采用跟踪支架、新能源主动配储等，优化发电出力曲线；建立基于统计回归拟合、机器学习

来源：辽宁省人民政府2025-07-17

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：中国电力报2025-07-16

这套“工业神经中枢”实现了芯片、软件、知识产权“三个100%自主可控”，搭建起主动防御、边界防护、集中监管的全方位安全架构，能支持不少于35种智能计算、65种数据分析方法和20种主流机器学习算法。

来源：北极星电力网2025-07-10

通过将数字分析、机器学习、持续监测与实操技术经验相结合，可解锁更多潜在效益，例如提升设备可靠性、降低能源强度、延长平均故障间隔时间等。未来泵运行的新标准第一步是建立基准，以明确改进空间。

来源：兰木达电力现货2025-07-09

针对以上不足，一方面可以引入天气数据、设备检修计划等非系统性风险因子，构建多因子扩展模型，提升对电力市场特殊风险的刻画能力，另一方面也可以利用机器学习算法（如随机森林、lstm）动态捕捉电价与风险因子的非线性关系

来源：国能日新2025-07-04

构建基于规则引擎与机器学习融合的风险防控体系，设定±20%申报电量偏差红线。当触发偏差时，系统依据内置的省份规则库，结合动态规划算法进行价差回收决策。

来源：国网甘肃电力2025-07-03

该平台通过水电数据跨界融合，将机器学习技术引入动态系数测算体系，整合地下水埋深、水泵功率、井龄等关键参数数据，完成“水-电”档案建设；基于水务部门提供的典型农灌机井，实测取水量与用电量并逐灌次计算系数。

来源：北极星储能网2025-07-03

ti 在太阳能应用中用于机器学习电弧检测的模拟前端参考设计 (tida-010955)在全球能源转型变革中，各地频发的各类电力事故再次印证了，电池储能技术对于电网具有重要的支撑作用。

来源：储能科学与技术2025-07-01

在电化学储能方面，文献研究了ai在锂电材料筛选中的应用，指出机器学习可加速电极/电解质开发。文献结合高通量计算与机器学习势能函数，筛选出130种高导固态电解质。...文献研究了基于机器学习预测压缩空气储能盐穴几何形态，测试集平均误差仅1.6米。文献研究了通过机器学习优化caes与固体氧化物燃料电池(sofc)耦合系统，系统能效达到63.4%。

来源：清华大学能源互联网创新研究院2025-06-30

会上，美国工程院院士、宁波东方理工大学常务副校长兼教务长张东晓作了题为“科学机器学习与智慧能源系统”的主旨报告。经专家同意，在此分享报告ppt，欢迎品读。

来源：国家电网报2025-06-27

设计形成由人工智能驱动的终端威胁监测方法，结合机器学习算法建立终端风险感知模型，实时计算终端风险，及时识别隔离异常终端，实现事中安全风险的及时发现和防范。

来源：施耐德电气2025-06-26

例如，施耐德电气在传统的综保装置中集成了经过180万个实际用例训练的、基于机器学习的故障检测算法，将小电流接地选线选段的精准度显著提升，其应用价值可见一斑。...王照在演讲中指出，在设备运维层面，施耐德电气的poi-mv中压主动运维智能单元基于机器学习、大数据分析和多维度模型训练技术，可实现开关设备健康状态持续监测，并提供早期预警和后续设备运维建议，从而助力用户实现了对配电资产从

来源：中国电力报2025-06-26

通过整合跨学科、跨团队的资源，开发数据挖掘算法和智能分析模型，尤其是针对特定软科学问题的算法与模型研发，将机器学习、深度学习、知识图谱等人工智能技术深度嵌入研究流程，实现从依赖专家经验的定性研判向定量分析与质性研究融合的范式跃迁

来源：国家电力投资集团有限公司2025-06-24

主导完成《基于机器学习的弃光损失分析软件》开发，实现电量损失量化。编制国家职业技能教材及题库，填补行业标准化培训空白。

来源：清华大学能源互联网创新研究院2025-06-23

施一公院士作报告美国工程院张东晓院士作了题为《科学机器学习与智慧能源系统》的主旨报告。...张东晓院士在报告中指出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：工业和信息化部消费品工业司2025-06-23

实现方式和需要的条件：应用大数据、图像识别、人工智能等技术，采用流行趋势预测模型和机器学习算法，针对色彩、面辅料、单品、图案、细节、廓形、企划、搭配等全方位多角度做趋势预测，构建标准素材库，应用计算机辅助设计

来源：明阳集团2025-06-23

基于机舱风速，采用机器学习预测算法预测超短期风速变化，并结合机组叶轮面的等效估计风速，准确预测当前的风能属性。