公众号
招标丨广州供电局“电鸿+轻量AI的智能感知与云边端技术研究”项目招标
广州供电局招标研发“电鸿+轻量AI”云边端协同项目，涵盖异构算力任务分配、嵌入式模型压缩、轻量算法库及仿真验证。应用任务包括窃电与超容用电识别、线损异常分析、停电范围研判，以及基于知识图谱的分钟级量测异常检测、根因诊断、数据修复和设备状态自监测，并计划开展设备研制与示范部署。
方法大模型与知识智能场景规划与仿真 · 诊断与安全 · 知识与协同
电力人工智能大会查看原文 ↗
看技术
追踪能源领域最新技术、论文、代码与数据集
公众号
甘肃风电预测模型：将复杂天气转化为可量化的出力判断
文章介绍甘肃D+2区域风电出力预测实践，将数值天气预报与历史出力结合，并构造风速三次方、空气密度及结冰风险等特征。对比岭回归、随机森林、极端随机树和直方图梯度提升后，极端随机树表现最佳，8月测试MAE约1378MW、R²为0.899，并通过滑动窗口、误差热力图和特征重要性检验稳定性。
方法时序预测场景预测与感知 · 诊断与安全
兰木达电力现货查看原文 ↗
公众号
MAADBench：面向LLM多智能体系统的异常检测基准
MAADBench面向LLM多智能体系统异常检测，以程序化方式生成具有确定性真值的多领域依赖任务，自动验证并标注每一步行为，摆脱LLM-as-judge和人工标注。其发布的MAADBench-Full含5,200条步级标注轨迹，并支持接入新模型持续刷新。对25种检测器的评测显示，现有方法步级定位能力普遍不足，低监督场景下性能下降明显。
方法大模型与智能体场景诊断与安全 · 知识与协同
时空探索之旅查看原文 ↗
公众号
【好文分享|机器学习+量子Benders分解】TPWRS：LSTM与SVM协同压缩随机机组组合，量子比特需求最高降低75%
论文提出机器学习增强的量子—经典Benders分解框架，用LSTM预测随机机组组合子问题代理成本，以SVM筛选主导割，再由QAOA求解压缩后的主问题。IEEE 24及118节点实验显示，24小时案例主问题求解时间由281.60秒降至24.00秒，量子比特需求最高降低约75%，且未明显改变最优结果。
方法时序预测场景预测与感知
AI+绿能查看原文 ↗
公众号
【好文分享|机器学习+量子Benders分解】TPWRS：LSTM与SVM协同压缩随机机组组合，量子比特需求最高降低75%
研究针对随机机组组合的量子—经典Benders分解，利用LSTM预测子问题代理成本，并用SVM筛选主导割，以压缩QUBO主问题。IEEE 24节点和118节点算例显示，24小时主问题求解时间由281.60秒降至24.00秒，量子比特需求最高减少约75%，同时保持相同最优结果。
方法时序预测场景预测与感知
综合能源新视界查看原文 ↗
公众号
【TTE好文分享｜记忆增强强化学习】让驱动与制动更默契：分布式电动汽车的协同能量管理
论文提出面向分布式电动汽车的LSTM-TD3记忆增强能量管理框架，统一协调前后轴驱动与再生制动转矩。方法使用1.5秒历史状态提取时序特征，并在实测车速、坡度及dSPACE硬件在环平台验证。百公里能耗为11.56千瓦时，较无记忆TD3降低1.3%，单次推理耗时0.206毫秒。
方法时序预测 · 优化与强化学习场景优化与决策
综合能源新视界查看原文 ↗
公众号
KDD 2026 | 华东师大把多模态做进了交通时空大模型，零样本也能跨城落地
华东师大提出多模态时空基础模型MoST，用于跨城市零样本交通预测。模型以可微SNR选择器筛除低质量或缺失模态，并通过模态引导的空间专家路由与局部交叉注意力适配不同区域模式。其在5个真实数据集上取得更低MAE，仅含约2M参数，并提供论文、代码、消融与效率对比。
方法时序预测 · 大模型与知识智能场景预测与感知 · 知识与协同
时序人查看原文 ↗
公众号
Nat. Commun. 2026｜数字孪生怎样诊断变电站故障？
研究面向变电站故障定位、类型识别与保护失效判断，将拓扑、告警、录波和SCADA数据接入数字孪生，利用图注意力网络、自注意力与去噪自编码器开展多模态融合。在深圳110kV变电站构造的训练和测试情景中，三项任务准确率分别超过95%、97%和90%，并验证了30%数据缺失下的鲁棒性。
方法可信人工智能场景规划与仿真 · 诊断与安全
Intelligame Lab查看原文 ↗
公众号
微软研究院：用机器学习提前 30 到 60 分钟预测空间天气对电网的风险
微软研究院构建端到端机器学习流水线，结合太阳风、AE与Dst预报、地质电导率和变电站位置，为美国本土66935座变电站提前30至60分钟评估空间天气风险。系统采用梯度提升模型预测与地磁感应电流相关的磁场变化率，重大和严重事件检测率分别为76.5%和81.2%，并列出公开数据来源及后续验证方向。
方法时序预测场景预测与感知 · 诊断与安全
EarthAi查看原文 ↗
公众号
当图本身就是世界，下一步会发生什么？WorldGraph让图世界学会演化
论文提出图原生世界模型WorldGraph，将节点、边、属性及历史转移统一为持续演化的图世界。模型结合多粒度图Transformer、历史感知状态编码与转移感知强化学习，并构建覆盖节点、边、图级任务的GWM-Zero基准。实验显示其在稀有节点删除、边变化、局部结构及多步预测上优于多类基线，还可作为插件提升L³P、C-SWM和GWM-E。
方法时序预测 · 优化与强化学习场景预测与感知
时空探索之旅查看原文 ↗
公众号
AAAI 2025｜电网线路故障定位怎样读懂拓扑？
AAAI 2025论文DTG4Power将输电线路两端18维量测与电网拓扑转换为线图表示，通过因子图解耦、图聚合和自注意力，联合识别故障线路并回归故障位置。在7、36和325节点系统上，位置准确率均不低于0.988，线路识别准确率最低为0.998，并讨论了数据稀缺与噪声条件下的部署限制。
场景诊断与安全
Intelligame Lab查看原文 ↗
公众号
西南交通大学牵引供电系统团队提出一种基于多主体依互和在线学习的图神经网络 “网-源-储-车”协同供能系统能量超前管控方法
西南交通大学团队面向“网—源—储—车”协同供能，构建多主体运行工况转移图，并融合图卷积、多头注意力与在线学习，利用当前运行数据预测下一时刻工况和功率需求，提前分配光伏与储能能量。实际运行数据验证显示，该方法可实现模型动态更新及新能源、储能和列车负荷的协同管控。
方法时序预测 · 图与网络智能场景预测与感知
电工技术学报查看原文 ↗
公众号
5491万！云南电网2026年信息化项目第2批专项采购
云南电网启动2026年第二批信息化专项采购，覆盖供应链应急指挥、电网发展诊断、调度自动化虚拟运维、智慧调度监视及电力巡检等多类智能体建设，并配套低代码平台、边缘计算节点和数字孪生应用，呈现人工智能在电网运营、调度、巡检与管理场景中的工程化部署方向。
方法大模型与智能体场景规划与仿真 · 优化与决策 · 知识与协同
电力人工智能大会查看原文 ↗
公众号
NeurIPS 2026｜Kairos：迈向轻量自适应的时间序列基础模型
上海科技大学与蚂蚁集团提出时间序列基础模型Kairos，通过混合粒度编码器、动态旋转位置编码DRoPE和多块解码器，自适应建模局部变化与时间关系。模型基于PreSTS语料预训练，提供1000万至5300万参数版本；Kairos-Base在GIFT-Eval取得0.738的MASE，并兼顾零样本精度、推理速度及少样本迁移能力。
时空探索之旅查看原文 ↗
公众号
【TTE好文分享｜记忆增强强化学习】让驱动与制动更默契：分布式电动汽车的协同能量管理
研究提出面向分布式电动汽车的LSTM-TD3记忆增强能量管理框架，将驱动与再生制动转矩统一协调，并利用1.5秒历史状态提取时序特征。实测工况及dSPACE硬件在环结果显示，百公里能耗为11.56千瓦时，较无记忆TD3降低1.3%，单次推理耗时0.206毫秒，满足10毫秒控制周期。
方法时序预测 · 优化与强化学习场景优化与决策 · 控制与自治
AI+绿能查看原文 ↗
公众号
知识图谱“牵手”小样本学习“认”出海风新故障，助智能运维练就“慧眼”——南京南自华盾数字技术有限公司 吴翰林等
文章提出海上风电知识图谱与小样本学习融合的智能运维架构，集成迁移学习、对比自监督学习和边标记图神经网络，实现故障识别、知识补全与查询重写。基于两座深远海风电场三年数据验证，故障定位时间降至51分钟以内，试点年运维成本下降17.5%，并给出多项基线对比指标。
方法图与网络智能 · 大模型与知识智能场景诊断与安全 · 知识与协同
电力系统自动化查看原文 ↗
公众号
Applied Energy 2026｜算力任务怎样与电力调度一起做“成本最优”决策？
论文提出面向数据中心与电网联合调度的predict-then-optimize框架，以极限学习机预测计算需求，并用后续调度产生的决策遗憾训练模型。系统运营商与数据计算运营商通过双边界反馈迭代协调。IEEE 30节点仿真中，总运行成本较基线降低约1.4%，迭代次数较二分搜索减少约20%。
方法时序预测场景规划与仿真 · 预测与感知 · 优化与决策
Intelligame Lab查看原文 ↗
公众号
【顶刊好文|煤矿×DRL×多目标】'IEEE TSG'：面向煤矿综合能源系统的领域知识嵌入多目标运行方法
论文面向煤矿综合能源系统，提出领域知识嵌入的多目标强化学习算法MOORE，由DQN依据种群状态在线选择差分进化策略，并将煤仓、水仓建模为虚拟储能。宁夏实际煤矿算例显示，其HV、IGD及可行解稳定性优于五种基线，同时给出消融、出力扰动、跨系统测试及计算开销分析。
方法优化与强化学习场景知识与协同
综合能源新视界查看原文 ↗
公众号
风力发电机整机智能故障诊断系统，解锁风场运维新模式
文章介绍风力发电机整机智能故障诊断系统。系统融合SCADA、高频振动、叶片、环境及辅机数据，以物理机理模型和AI算法实现全部件状态监测、早期预警、根因定位、寿命评估及工单闭环，推动风场由事后抢修和定期检修转向状态检修，降低非计划停机、运维成本与高空作业风险。
场景诊断与安全
新能源功率预测查看原文 ↗
公众号
NeurIPS 2026 | CvLoss：多变量时间序列预测需要跨变量损失
论文提出面向多变量时间序列预测的跨变量损失CvLoss，在预测patch上构建跨变量图，以ℓ1全变分约束相连节点的残差差异，同时建模同步与滞后交互。该方法可接入多类骨干，仅增加训练开销，不改变推理流程；在7种骨干、12个数据集的114组比较中实现111组提升，并整体优于11种既有学习目标。
方法时序预测场景预测与感知
时空探索之旅查看原文 ↗