今日内容聚焦AI驱动能源系统从预测到决策、协调与运维的闭环升级：既强化不确定性校准、生成式增强和区间预测，也拓展微电网、算力负荷及跨省市场中的灵活调节，并以联邦学习、云边协同和长期评测回应安全、隐私与持续可靠性挑战。
技术侧收录 10 条更新。 产业侧暂无更新。
本文将智能微电网中的需求响应协调建模为社会网络上的重复囚徒困境，并提出由LLM影响编译器驱动的多智能体混合决策框架。该方法通过分离博弈策略推理与LLM叙事评估，缓解RLHF导致的合作偏向。实验显示，结构化指令可将需求削减合作率提升至33.3%，优于非结构化消息和无干预基线；同时，面向高中心性枢纽节点的传播效果最佳。研究说明，结构化LLM编译、基于现实依据的智能体推理和网络感知定向可共同提升智慧城市能源系统中需求响应协调的可扩展性与可解释性。
本文面向6G赋能的信息物理系统，提出从边缘感知与本地AI检测到SDN/NFV/O-RAN全网缓解，再到FL和DT驱动再训练的AI原生闭环安全框架。综述基于PRISMA 2020系统梳理128篇研究，建立按切片约束的尾部时延契约，统一威胁映射、异常检测与DDoS分类方法，并将LLM、PQC、ZTA及可解释AI等纳入跨层赋能体系，最终总结数据、时延、信任、标准化和评估五方面的关键研究方向。
本文系统评估了风电区间预测中的现有混合架构。研究表明，将LSTM、ELM等模型与EMD、EEMD、VMD等分解技术结合，并分别预测区间上下界，可在保持覆盖率的同时缩窄预测区间，提升准确性与可靠性。当前研究仍面临评估指标不统一、计算复杂度高及实际验证不足等问题。
本文提出用于鲁棒电力系统运行的决策校准预测集，以“下游运行决策的可靠性”而非传统预测覆盖率作为校准目标。该方法利用部分输入凸神经网络学习兼顾上下文信息、多变量依赖关系及凸可解性的条件不确定集，并借鉴保形风险控制校准集合体积，以控制运行约束的期望违反程度。在提前15分钟的网络约束备用调度实验中，该方法将约束满足水平控制在目标值约3个百分点以内，而传统覆盖率校准方法超出目标11个百分点以上，因此前者可避免过大的不确定集并降低运行成本。
文章解析覆盖广东、广西、云南、贵州、海南的南方区域电力市场。该市场以“省为基础、区域统筹”构建中长期、现货和辅助服务交易体系，通过跨省竞价、价格联动及调节资源共享促进清洁能源消纳与保供。新能源主体将获得跨省交易和辅助服务机会，同时面临功率预测、通道阻塞、价格波动及规则叠加等挑战。
TimeSage-EV构建严格时间截止、按月更新的演化环境基准，覆盖6大领域60个场景，每个场景连续24期，评估智能体的结构化问答与报告生成。实验显示GPT-5.4以86.0分居首，但归因和预测仍是短板；长期运行还暴露性能衰退、时间对齐错误及记忆负担。加入自进化技能库的TimeSage-1.0使Gemma-4-31B总分提升5.83分。
论文提出面向互联微电网暂态稳定评估的QdTSA-PANE框架，将量子噪声聚合分析、客户端平均池化和含噪训练结合，在保留本地数据的纵向联邦架构中提升抗扰性。7个微电网系统实验显示，含噪对比测试准确率达98.52%，并给出消融、重复运行及多噪声类型验证。
研究将大模型推理集群作为电网二次调频资源，提出请求分配与token处理量协同的分层强化学习框架，并用交叉注意力进行奖励重分配、以平均场方法扩展多副本协同。基于1万张H100及PJM RegD信号的仿真中，10%调频容量下平均跟踪误差为1.17%，性能评分达0.926。
案例面向特高压换流站运维，采用“机理模型＋数据模型”双模感知、云边协同缺陷识别及机器人、无人机和无人车协同巡检，并将风险分析工具嵌入数字平台。方案已在南网多回直流工程应用，重构152项流程，单站人员由24人降至18人，并披露可用率、停电时间和经济效益等结果。
论文针对综合能源系统小样本源荷预测提出深度生成式预测框架DGP，通过生成器、判别器与主预测模型的对抗—协同训练实现样本增强和分布判别，并设计双支路卷积、多重残差连接的cencoder。24小时和168小时连续预测实验显示，该即插即用训练器可稳定提升多类先进预测模型的性能。