看技术

研究团队提出次日风电功率预测框架UniWind，以场站自适应物理先验估计可用功率，再通过潜在运行状态编码和专家路由校正实际出力。在24个真实风电场实验中，其完整监督MAE平均降低约8.30%，并在跨场站、跨区域零样本任务中保持优势；模型仅400万参数，兼具NWP扰动鲁棒性、跨场站泛化能力和较低推理延迟。

方法时序预测 · 可信人工智能场景预测与感知

时空探索之旅2026-10-19查看原文 ↗

公众号

【好文分享|量子机器学习+智能电网异常检测】TSG：QUPID分区量子神经网络提升异常识别与对抗鲁棒性，R-QUPID攻击下准确率最高约81%

论文提出智能电网异常检测模型QUPID，将PMU复数相量按区域输入多个小型量子神经网络，并以经典网络完成分类；鲁棒版本R-QUPID结合差分隐私和量子退极化噪声。ICS数据集实验显示，QUPID多项指标领先，单样本推理约24毫秒；在FGSM、PGD攻击下准确率约70%至81%。

方法可信人工智能场景诊断与安全

AI+绿能2026-10-16查看原文 ↗

公众号

“新型电力系统背景下的车网互动关键技术与应用实践”专辑论文集锦

专辑汇集车网互动预测、聚合与调控研究，其中改进Informer利用50余万条充电记录预测多尺度可调容量，Autoformer结合高斯混合模型开展可行域区间预测，XGBoost用于换电站电池储备预测，KAN-SAC则实现充电站可解释强化学习需求响应，并给出实际数据或仿真验证结果。

方法时序预测 · 优化与强化学习 · 可信人工智能场景规划与仿真 · 预测与感知

电力系统自动化2026-10-16查看原文 ↗

公众号

AAAI 2024｜E2E-AT：把预测误差与电网决策不确定性一起纳入训练

论文提出E2E-AT端到端对抗训练框架，将负荷预测输入扰动和线路电纳等优化参数扰动统一纳入训练，以调度任务成本而非单纯预测误差为目标。在Texas负荷数据和修改后的IEEE 14节点系统上验证，并公开代码；结果显示其可显著降低参数偏移和攻击条件下的调度成本。

方法时序预测 · 可信人工智能场景预测与感知 · 诊断与安全 · 优化与决策

Intelligame Lab2026-10-15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 Lab2026-10-14查看原文 ↗

公众号

【顶刊好文|光伏预测】IEEE TSG: PV-MMCD：基于多模态条件扩散模型的光伏功率概率预测新方法

研究提出光伏功率概率预测模型PV-MMCD，融合历史功率、卫星云图和数值天气预报，并以Neural SDE、条件扩散、交叉注意力及QRF校准建模不确定性。三个光伏站点实验显示，0—4小时预测的nCRPS技能分数达61.7%，模型仅1.26M参数，单样本推理耗时26.75毫秒，并通过消融实验验证多模态融合与校准模块效果。

方法时序预测 · 可信人工智能场景预测与感知

综合能源新视界2026-10-11查看原文 ↗

公众号

武汉大学柯德平，李亚宁，等：基于多智能体强化学习的流域级水风光联合日内鲁棒调度研究

研究针对流域级水风光日内调度的实时性和不确定性，提出多智能体强化学习鲁棒调度框架，引入误差智能体进行对抗式训练，并利用条件变分自编码器融合运行状态与专家策略，实现安全加速训练。结果表明，该方法可无延迟生成调度指令并提升策略鲁棒性与约束收敛速度。

方法优化与强化学习 · 大模型与智能体 · 可信人工智能场景诊断与安全 · 优化与决策 · 知识与协同

综合能源新视界2026-10-10查看原文 ↗

公众号

PPT丨智能配电网数字孪生构建和应用关键技术研究

文章梳理智能配电网数字孪生的建模、数据融合和闭环优化体系，重点介绍基于BP神经网络、SVM、深度学习及贝叶斯网络的故障诊断方法，并讨论负荷转供鲁棒优化。内容还给出多源数据联通、分级孪生架构、图数据库和故障诊断、供电恢复等示范场景。

方法优化与强化学习 · 可信人工智能场景规划与仿真 · 诊断与安全 · 优化与决策

电网棱镜2026-10-09查看原文 ↗

公众号

华南理工大学欧士琪教授学术报告

报告聚焦动力电池智能诊断与预警：基于真实车辆数据，结合深度学习、可解释分析和迁移学习开展跨车型、跨电池体系健康诊断；针对寿命标签稀缺，引入自监督学习与物理—数据融合建模，并搭建电芯、模组和整包测试平台，支撑算法验证及端侧部署。

方法优化与强化学习 · 可信人工智能

电工技术学报2026-10-09查看原文 ↗

公众号

华南理工大学欧士琪教授：智能驱动的电池状态诊断与预警技术

方法优化与强化学习 · 可信人工智能

电工技术学报2026-10-08查看原文 ↗

公众号

【顶刊好文|电动汽车聚合+DRCC】‘IEEE TTE’：考虑不确定性的V2G灵活性聚合与风险规避市场竞价

论文面向异构电动汽车参与电能量与备用市场，利用几何特征和K-means++聚类构建灵活性内近似，并结合Wasserstein分布鲁棒机会约束与GWCVaR控制车辆可行性和市场尾部风险。千辆电动车算例中，聚合成本较基准下降43.7%；样本外SOC违约率由88.4%降至4.28%，最坏场景成本下降14.89%。

方法可信人工智能场景诊断与安全 · 控制与自治

综合能源新视界2026-09-28查看原文 ↗

公众号

Nature Communications 2026｜电网过载风险的尾部计算

论文面向输电线路过载的低概率尾部风险，提出深核稀疏向量值高斯过程DKS-VVGP作为潮流代理，并对越限边界样本自适应重采样、调用潮流求解器复核。在含2.1万余母线的ISO New England系统上，相较蒙特卡洛基线最高实现22倍评估加速，并验证多种不确定性分布与相关性场景。

方法可信人工智能场景诊断与安全

Intelligame Lab2026-09-26查看原文 ↗

论文

Machine Learning-Based State Estimation for an Actual Transmission System Using Field PMU Data基于现场PMU数据和机器学习的实际输电系统状态估计

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。

方法优化与强化学习 · 可信人工智能

arXiv2026-09-22查看原文 ↗

论文

Learning Defensive Policies against Diverse Inference Attacks for Smart Meter Privacy面向智能电表隐私的多样化推断攻击防御策略学习

本文面向攻击模型未知且多样化的智能电表隐私场景，提出一种代理引导的分层强化学习防御框架。该方法利用电池进行负荷整形，向聚合用电信号注入逼真但具有误导性的电器特征，并结合自监督隐私探针和特征库，削弱NILM对电器级信息及用户行为模式的恢复能力。UK-DALE和REDD实验显示，该方法对未见攻击模型和不同电器均具有较强泛化性，可显著提高推断RMSE并降低F1分数。

方法优化与强化学习 · 可信人工智能场景诊断与安全 · 优化与决策 · 控制与自治

arXiv2026-09-21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

arXiv2026-09-19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

arXiv2026-09-17查看原文 ↗