公众号
AAAI 2026｜多频率碳强度日前预测
AAAI 2026论文面向澳大利亚四州的日前电网碳强度预测，并行建模局部多频率时间模式和动态跨变量关系。模型以连续24小时的碳强度、负荷、可再生与非可再生发电及温度预测未来24小时，在三项指标上均优于多类时序基线；消融结果进一步验证两条支路的贡献，并说明跨区域泛化和时间外测试仍待补充。
方法时序预测场景预测与感知
Intelligame Lab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
分钟级超短期光伏预测：天空相机技术落地效果实测
文章结合多座光伏场站实测，评估天空相机利用AI云分割、光流追踪开展分钟级预测的效果。其在对流多云场景下可使15—30分钟预测RMSE降低15%—22%，但在晴天、雾、沙尘及30分钟以上预测中增益有限。工程应用应重视多点布设、设备运维、算法本地化及与NWP、卫星云图、辐照和SCADA数据融合，将其作为0—30分钟预测补强工具。
方法时序预测场景预测与感知
2049之子任查看原文 ↗
论文
Machine Learning‐Assisted Development in Insulating Materials for High Voltage Applications机器学习辅助开发高压应用绝缘材料
本文综述机器学习（ML）辅助高压应用绝缘材料开发的研究进展，系统介绍相关工作流程、代表性算法及其适用场景，并总结ML在气体、液体和固体绝缘材料的性能预测、配方优化和分子逆向设计中的应用。文章同时分析该领域面临的主要挑战及潜在解决方案，强调ML在揭示结构–性能关系和加速新型高性能绝缘材料发现方面的重要作用。
方法时序预测场景预测与感知
High Voltage查看原文 ↗
公众号
【顶刊好文|风电预测】PCMP: 风电集群功率预测新突破：同质与异质信息双向交互融合方法
研究面向大型风电集群短期功率预测，利用风速、风向和时间梯度构建风角场，以动态更新的同质、异质图描述场站局部与广域关联，再通过图注意力网络双向融合特征。中国东北超5800兆瓦风电集群的15分钟级数据验证显示，该方法在多种预测尺度优于LSTM、GCN和GAT，未来24小时预测均方根误差降低2.67%。
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
COLM 2026 | TSRouter：面向时序推理的动态模态模型选择
论文提出时间序列推理动态路由框架TSRouter，以异构图Transformer建模任务、查询、模态和模型间交互，联合选择文本、视觉等输入模态及推理模型，并通过效用评分权衡准确率与成本。在四类任务上，其相对性能较基线提升16%–46%，且无需重新训练即可零样本接入未见模型和新任务。
方法时序预测
时空探索之旅查看原文 ↗
公众号
公开数据集助力发文||多故障场景、变风速工况下的风力发电机匝间短路数据集
研究面向变风速工况下风力发电机定子匝间短路，构建含75种故障和1种正常场景的公开基准数据集，并提出双层状态监测框架。方法以离散小波变换提取三相电流特征，比较LSTM、GRU和二维CNN的严重程度估计与故障相识别能力；GRU总体准确率最高达99.95%，CNN计算成本更低且抗噪性更强。
方法时序预测场景诊断与安全
滚动轴承故障诊断与寿命预测查看原文 ↗
公众号
中国科学院电工研究所“十四五”电驱系统健康管理系列成果报道：面向非恒定应力键合线退化的IGBT模块剩余寿命预测
研究面向非恒定应力下IGBT模块键合线退化，搭建功率循环平台并采集9只器件在三种应力模式下的全寿命数据。方法以等效导通电阻表征健康状态，将历史退化轨迹及结温、应力等级等动态变量输入时序融合Transformer。完整输入模型的剩余寿命预测准确率较单变量模型平均提高约5至30个百分点。
方法时序预测场景预测与感知
电工技术学报查看原文 ↗
公众号
专家观点 • 能源 | 跨越百年再启征程：MR眼中的能源转型与中国机遇
MR介绍面向变压器及有载分接开关的AI资产管理实践：融合传感器监测、数字孪生、历史工况数据库和实验室数据，对设备当前状态及潜在故障位置进行判断与预测，并支持维护决策。文中还给出在线监测微水含量、减少年度取油送检等具体运维应用。
方法时序预测场景规划与仿真 · 预测与感知 · 诊断与安全
电气时代查看原文 ↗
论文
Data-Assimilation-Assisted Reinforcement Learning for Power Grid Control under Load Uncertainty负荷不确定性下数据同化辅助的电网控制强化学习
本文研究负荷不确定性下数据同化辅助强化学习的电网控制方法。在基于直流潮流的定制仿真环境中，EnSF 用于校正含噪负荷信息，再供启发式控制器或 PPO 智能体决策。结果表明，EnSF 能稳定降低负荷估计误差，延长系统存续时间、减少警告和过载暴露，并提高冻结 PPO 策略的累积回报；在超出训练分布的更强负荷不确定性下，其性能优势更为显著。
方法时序预测 · 图与网络智能 · 优化与强化学习场景优化与决策 · 控制与自治 · 知识与协同
arXiv查看原文 ↗
论文
WPBench: A Comprehensive Benchmark for Wind Power ForecastingWPBench：风电预测综合基准
WPBench是一个全面、公平且可扩展的风电功率预测基准，整合26个公开数据集和19种代表性模型，覆盖不同风机规模、变量构成及传统、深度时序、时空和基础模型。它采用统一协议，不仅评估逐点误差，还考察预测曲线保真度、计算效率以及时间、变量和空间依赖结构，为多样化风电场景中的系统模型比较和后续研究提供可复用平台。
方法时序预测 · 图与网络智能 · 大模型与知识智能场景预测与感知 · 优化与决策
arXiv查看原文 ↗
论文
Droop-Aware Foundation Model Power Flow考虑下垂控制的基础模型潮流计算
本文扩展 GridFM，提出面向 AC 潮流分析的下垂感知基础模型，将下垂增益和频率/电压死区作为母线节点特征，并以平滑 tanh 近似保持死区建模的可微性。基于 Transformer 的图神经网络经预训练和微调后，在 PSCAD、PyPower、IEEE 24-bus RTS 和 IEEE 300 母线系统上均表现出高精度与良好可扩展性。研究还发现，死区宽度会扩大控制误差分布，但不影响总下垂补偿量，因此可作为重要的节点级控制设计参数。
方法时序预测 · 图与网络智能 · 优化与强化学习场景规划与仿真 · 预测与感知 · 控制与自治
arXiv查看原文 ↗
论文
OrderFusion+: Probabilistic Buy--Sell Price Trajectory Forecasting in Intraday Electricity MarketsOrderFusion+：日内电力市场买卖价格轨迹的概率预测
本文提出开源深度学习模型 OrderFusion+，通过融合目标及相邻交付产品的历史订单，概率预测日内电力市场的买卖价格轨迹。研究将其与基准模型及预训练时间序列基础模型进行比较，并利用动态掩码机制分析市场条件变化及市场效率。
方法时序预测 · 优化与强化学习 · 大模型与知识智能场景预测与感知 · 优化与决策
arXiv查看原文 ↗
论文
Cost-Aware Reinforcement Learning with Action Masking and Projection for Battery Energy Storage Dispatch under Suppressed-Spread Market Shifts价差收窄市场变化下基于动作掩码与投影的成本感知强化学习电池储能调度
研究针对电价价差受抑情形下的BESS调度，构建了将经济建议与物理可行性约束分离的PPO控制器。结果表明，经济建议可在T2阶段小幅提升利润并降低吞吐量，但在T1阶段作用有限；PPO对多种季节性预测较稳定，但始终未超过proxy-cost MPC。消融实验进一步证明，动作掩码和紧急投影对减少不可行动作与爬坡违规至关重要，但研究不主张形式化安全、寿命周期老化最优或RL优越性。
方法时序预测 · 优化与强化学习场景预测与感知 · 优化与决策 · 控制与自治
arXiv查看原文 ↗
论文
Stealing profits: Spread-based temporal hierarchy forecasting for day-ahead electricity markets攫取利润：面向日前电力市场的基于价差的时间层级预测
本研究面向日前电力市场中的电池套利，提出时间层级预测（THieF）框架，通过联合协调小时电价与日内价差预测来提升预测和交易绩效。德国与西班牙五年样本外结果显示，该方法在多种预测架构（包括预训练TabPFN基础模型）下均有效，准确率最高提升19.7%，利润最高增加10.4%，并揭示统计预测精度与经济决策价值并不总是一致。
方法时序预测 · 大模型与知识智能场景预测与感知
arXiv查看原文 ↗
论文
Intelligent Degradation Monitoring in Lithium-ion Batteries via Discharge Incremental Capacity Feature Estimation基于放电增量容量特征估计的锂离子电池智能退化监测
本文针对传统IC分析依赖低电流放电、难以用于实时管理的问题，提出一种基于神经网络的放电IC特征估计框架。该框架利用充电信号直接预测退化特征，并在53个采用不同快速充电协议的电芯数据上完成训练与验证。其中，LSTM在精度和计算效率方面表现最佳，可集成至BMS，实现不中断正常运行的实时、智能且可扩展的锂离子电池退化监测。
方法时序预测 · 优化与强化学习 · 可信人工智能场景预测与感知
arXiv查看原文 ↗
论文
SETTer: Sparse-Encoder Transformer for Long-term Multivariate Time Series ForecastingSETTer：用于长期多变量时间序列预测的稀疏编码器 Transformer
SETTer是一种面向长期多变量时间序列预测的稀疏编码器Transformer。该模型通过解耦自注意力、混合掩码及可解释结构，同时捕捉时间和通道维度上的短期与长期模式，并缓解高维复杂输入下的过度平滑、容量受限和不透明问题。凭借单层Transformer架构，SETTer可有效建模长期依赖，并在真实世界基准测试的88%场景中超越最先进模型。
方法时序预测 · 可信人工智能场景预测与感知
arXiv查看原文 ↗
论文
PowerModels-ACOPF-AI: On-the-Fly Machine Learning Approach for Solving AC Optimal Power Flow Integrating Renewable Energy SourcesPowerModels-ACOPF-AI：融合可再生能源的交流最优潮流实时机器学习求解方法
PowerModels-ACOPF-AI采用两阶段BNN代理模型与性能敏感的即时学习机制，对AC-OPF中的发电机设定值、母线电压和相角进行快速且具不确定性感知能力的预测。该方法可借助PowerModels.jl动态补充训练数据并自适应再训练，在30、200和500母线系统中展现出良好的泛化能力及对随机可再生能源注入的处理能力，可用于实时运行辅助和传统求解器的快速初始化。
方法时序预测 · 优化与强化学习 · 可信人工智能场景预测与感知 · 优化与决策
arXiv查看原文 ↗
论文
Mixed-Integer Nonlinear Differentiable Predictive Control for Underground Pumped Hydro Energy Storage Systems地下抽水蓄能系统的混合整数非线性可微预测控制
本文面向地下抽水蓄能系统（UPHES）的复杂日前调度，提出扩展的混合整数可微预测控制（MI-DPC）框架，以统一处理连续设定值、多模态整数决策及非凸动力学。该框架结合并行可微模拟器、Transformer 编码器和 Gumbel-Softmax 温度退火，在相较分段混合整数二次规划基线仅有 1.6% 次优性的同时，实现了在线调度时间五个数量级的加速。
方法时序预测场景优化与决策 · 控制与自治
arXiv查看原文 ↗
论文
Comparative Evaluation of MILP, MPC, and Reinforcement Learning for Commercial Battery Dispatch Under Time-of-Use Tariffs分时电价下商业电池调度的MILP、MPC与强化学习对比评估
本文基于2023年全年真实商业光伏数据，比较了TOU电价下MILP、MPC与SAC强化学习的电池调度性能。具有完美前瞻信息的MILP使年度成本降低24.6%，仅依赖前一日数据的持续性预测MPC达到MILP基准的99.2%，而SAC的成本反而高于无储能情形。研究表明，在该数据集、电价结构和信息约束下，低复杂度MPC几乎能够获取全部经济效益，所测试的RL方案则不具备竞争力。
方法时序预测 · 优化与强化学习场景预测与感知 · 优化与决策 · 控制与自治
arXiv查看原文 ↗
论文
Deep Learning-Based Detection of Electrical Faults and Power Quality Disturbances in Aerospace Power Systems基于深度学习的航空航天电力系统电气故障与电能质量扰动检测
本研究面向400 Hz航空航天电力系统，提出一种基于深度学习的电气故障与电能质量扰动多分类检测框架。研究利用高保真仿真生成21种工况数据，并比较多类时序与时频深度学习模型。紧凑型ResNet以较低参数量取得96.94%的软件测试准确率；经8-bit量化并部署在Xilinx ZCU102后，仍达到95.87%的准确率和6.90 ms的平均推理延迟，表明嵌入式边缘AI用于飞机电气健康监测具有可行性。
方法时序预测 · 优化与强化学习场景规划与仿真 · 诊断与安全
arXiv查看原文 ↗