每日能源AI更新
今日摘要
当天内容显示，能源人工智能正沿着“高质量时序数据与基准—面向电网场景的预测预警—安全可信运行”加速落地。研究从单点预测扩展至概率预测、模式级评测和主动防御，电网企业则推动模型进入配网管理、规划运行与设备运维等业务流程。
技术侧收录 6 条更新。 产业侧暂无更新。
今日内容概述
- 时序预测的数据基础与评测方法持续完善：澳大利亚多区域半小时电力需求数据提供典型测试资源，TIME基准则通过新数据集、业务化任务和模式级指标提升基础模型比较的可靠性。
- 电网预测正由通用模型走向细分风险与不确定性建模，相关工作覆盖低电压趋势预警、聚合谐波概率预测及潮流治理，体现预测结果与实际调度决策的深度结合。
- 人工智能应用已从论文验证扩展到规模化电网业务，国家电网和贵州电网均展示了预测、缺陷识别、线损诊断等场景的效率提升；智能逆变器入侵检测则凸显新能源设备安全与主动防御的独特价值。
看技术
australian_electricity_demand (TsFile format)澳大利亚电力需求（TsFile 格式）
该内容聚焦预测与感知，涉及时序智能。australian electricity demand (TsFile format) 5 time series representing the half hourly electricity demand of 5 states in Australia: Victoria, New South Wales, Queensland, Tasmani…… 以上为基于官方材料生成的概述，具体指标和结论请以原始来源为准。
ICML 2026 | 清华、南洋理工等发布TIME基准：50个全新数据集重测12个时序基础模型
清华、南洋理工等提出TIME时序预测基准，针对旧数据污染、质量不稳、任务配置脱离业务和评测粒度粗等问题，构建50个全新数据集与98个预测任务，采用自动筛查、LLM辅助质检、业务周期配置及基于STL的模式级评测，统一测试12个时序基础模型。结果显示Chronos-2综合排名第一，但模型表现随趋势、季节性、平稳性和复杂度变化，选型应结合数据特性，并辅以可视化检查预测可用性。
【顶刊好文|聚合谐波+驱动】IEEE TSG: 青岛大学等：面向聚合谐波源的数据驱动概率谐波电流预测
论文面向高比例电力电子设备接入下的谐波不确定性问题，提出“自适应滤波分解—RBF-ARX预测—多高斯拟合与MCMC随机预测”框架。基于居民、商业、办公负荷及光伏实测数据，与多种神经网络方法开展对比，并应用于IEEE 123节点概率谐波潮流与治理。结果显示，10步预测平均MAE、MAPE、RMSE分别为0.66 A、7.61%、1.10 A，THDV由8.70%降至4.23%。
贵州电网：配网低电压AI智能预测功能上线试运行
贵州电网上线配网低电压AI智能预测功能，基于变电站母线及台区电压等量测数据，采用LSTM时序模型学习电压关联，实现低电压趋势预测和风险预警。系统已完成24组馈线、1800余个台区的数据训练与验证，单台区预测准确率达到85%以上，单次研判时间由约1小时缩短至3分钟，支持运行方式调整后的批量分析和基层配网管理。
国网吴杏平：人工智能在国家电网的应用实践与思考
文章介绍国家电网人工智能在规划建设、电网运行和设备管理等核心业务中的落地实践，涵盖光明电力大模型、样本库、智算中心及600余个业务应用。文中披露光伏功率预测准确率达93%、无人机缺陷识别率提升至90%、线损诊断由3小时缩短至4分钟等结果，并讨论智能体、算力和安全体系的发展方向。
【MPCE】美国弗吉尼亚理工大学：基于机器学习的智能逆变器入侵检测与主动防御新框架
论文面向光伏智能逆变器网络安全，提出融合环境传感器与运行数据的机器学习检测和缓解框架。系统以Transformer建立正常运行基准并检测异常，以不依赖受攻击数据的LSTM重构电压电流，可应对放大、随机、重放和延迟攻击。实验中F1分数为0.9503、误报率3.75%，并验证了缩短训练数据后的稳定性。