追踪能源领域最新技术、论文、代码与数据集
论文提出面向居民需求响应的大语言模型多智能体架构，将自然语言交互、用户用能分析与优化决策划分为协同模块。系统可解析家庭作息、舒适度和经济偏好，调用统计工具与优化模型迭代生成调节方案。基于6类异构居民的仿真显示，稳定型用户首轮方案通过率可达100%，多数用户的灵活性挖掘和经济收益得到提升。
论文将数据中心功率、CRAC温度设定和风机转速编码为三维体素，比较3D U-Net、FNO等模型，以近万组CFD样本学习稳态温度场。模型推理约0.071至0.171秒，U-Net平均绝对误差1.89℃；代理模型接入遗传算法后，热点相关归一化温度较随机负载分配下降7.70%。
陕西华电新能源发电有限公司招标建设基于大模型智能体的新能源安全生产应急指挥管控系统。项目覆盖数据治理与存储、安全态势感知、应急全链路管理、远程故障诊断、事故事件管理及人工智能能力平台，并要求完成系统集成、部署、试点验证、数据迁移和技术培训。
国家标准委发布GB/Z 233-2026《人工智能 电力大模型系统技术要求》。文件覆盖电力大模型系统建设环节，面向设备运维、电网调度、规划建设和发输变配用场景，统一系统框架、功能性能、接口安全与部署规范，并与大模型评测、智能体技术文件组成一体化标准体系。
国家标准委发布GB/Z 232-2026《人工智能 电力行业大模型评测指标和方法》。该指导性技术文件面向电力设备运维、电网调度、规划建设及发输变配用业务，建立电力行业大模型的统一评测指标与方法，并与系统技术要求、智能体规范共同构成“建、评、用”标准体系。
国家标准委发布GB/Z 240-2026《人工智能 电力智能体通用技术要求》。文件面向发电、输电、变电、配电、用电和调度等场景，规范电力智能体的系统架构、功能性能、接口安全及部署要求，并与电力大模型系统建设、评测标准共同形成“建、评、用”一体化技术体系。
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。
论文提出面向居民需求响应的大语言模型多智能体系统，将任务拆分为自然语言交互、用能行为分析和优化决策模块，通过大小模型协同生成个性化调节方案。研究以6类异构居民样本开展仿真，系统可依据用户反馈动态修正约束；稳定用能用户首轮方案通过率达100%，多数用户的灵活性挖掘度和经济收益得到提升。
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。
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。
本文研究承载AI工作负载的数据中心负荷波动对电力系统强迫振荡及稳定性的影响。研究通过传递函数、Floquet乘子和代数雅可比矩阵最小奇异值，识别高风险DTC接入位置，分析系统强度、阻尼、波动频率与幅值、占空比、谐波成分，以及多个DTC同步或不同步运行的影响。结果表明，特定条件下强迫振荡可能无界，并可由鞍结分岔或阻塞曲面相遇引发失稳；相关结论可为不同电网位置的数据中心负荷波动限值制定提供依据。
南方电网人工智能科技公司启动调度业务AI软件专项采购，分为异常分析和辅助管理两个标包，预算分别为269万元和168万元。项目拟开发异常分析、语音模型调优、智能考评和报表校核等功能，并要求完成代码编写、功能测试、实施指南及技术文档，体现调度智能协同工具的工程建设需求。
贵州电网在贵安新区应用全域大模型分析输电可视化终端图像，识别施工机械、山火烟雾和线路飘挂物，并进行位置标定、风险分级和无效告警过滤。系统识别准确率稳定超过90%，告警平均处置时长缩短40%以上；专项行动分析近15万张图片，发现1117处飘挂物隐患。
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。
论文提出稳定性约束分层强化学习Volt/Var控制框架：利用LMI、KYP引理和GEVP计算多逆变器下垂稳定边界，并将其作为TD3动作空间硬约束。IEEE 33节点及RT-LAB实验表明，方法可避免越界振荡，使有功网损降低43.35%，三相电压不平衡指标下降66.8%。
研究从AEMO历史报价中聚类提取发电商实用且异质的报价策略空间，并将其作为强化学习智能体动作空间，构建基于MAPPO的电力市场仿真框架。新南威尔士数据实验显示，14个发电商中有10个出清结果更接近真实值，MAPPO所得收益也优于纳什均衡和MADDQN。
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。
文章介绍面向大规模配电网灾后恢复的分散式多智能体强化学习方法DMA3C。该方法采用分散训练与执行，仅交换κ跳邻域信息，并以截断价值函数近似全局策略梯度。3375节点测试中平均负荷恢复率达99.54%，通信量约为MADDPG的1%；局部结构变化后微调时间减少约76%，7087节点系统亦取得99.98%的平均恢复率。
文章梳理大模型后训练的五类变化：多领域专家在线蒸馏、RLVR精细化优化、SFT与RL分布对齐、参数高效训练及数据质量控制。正文介绍MOPD、STEER、GPS、GeoRA、PEAR等方法的机制，并给出准确率、算力消耗、参数比例和基准测试等可核验实验结果。
本文面向实际PMU不可观测输电系统，研究基于深度神经网络的PMU时间尺度时间同步状态估计。研究利用美国电力公司的现场PMU数据，重点评估该方法在现实运行条件下的估计精度、可扩展性与计算性能，以验证其替代传统迭代式混合SE技术的部署可行性。