来源：储能网2025-04-01

以电池组性能预测为例，一些先进的智能运维系统利用机器学习算法，对电池组的运行数据进行深度挖掘和分析，能够准确预测电池性能下降的趋势。...通过应用自动化设备和机器人技术，储能电站设备的巡检、维护和故障处理实现了自动化。这不仅提高了运维的准确性和效率，还降低了人为因素导致的运维风险。

来源：北极星风力发电网2025-03-31

风电行业面临技术升级、智能化运维等局面，企业加速部署ai监测、无人机巡检等技术，对于运维人员提出更全面的数据分析、机器学习等技能要求。3.海上运维人才供需失衡。

来源：国能日新2025-03-28

精准市场预测与策略优化ai预测技术：通过机器学习分析历史供需数据、天气条件及政策变动，预测未来72小时电价波动区间，预测可能出现负电价时段，及时采取应对措施。

来源：协合运维2025-03-26

通过机器学习整合历史数据、实时行情与预测模型，实现策略生成-申报-复盘的电力交易业务的全链条ai化。

来源：储能科学与技术2025-03-25

早期的研究多采用传统机器学习方法用于锂离子电池的温度预测，kim等人提出使用人工神经网络开发在线适用的温度预测模型，并取得了一定的效果。...与传统物理模型相比，数据驱动模型利用大量实验数据，通过机器学习算法进行训练，能够在不完全了解电池内部物理机制的情况下，实现高精度的温度预测。

来源：河南省发改委2025-03-24

开展融合逻辑推理、知识表示与机器学习的新型学习范式研究。支持知识蒸馏、剪枝、量化等深度学习模型压缩技术研发，加速模型运行效率，降低模型训练成本。

来源：中车能源2025-03-20

与此同时，利用先进的机器学习算法及自学习机制，有效地融合了来自不同来源的气象预报数据，进一步增强预测的可靠性和稳定性。...结合风电场历史数据，风功率预测技术综合应用了机器学习、深度学习、统计学、时间序列预测等多种方法，学习风电场特有的功率输出特性，构建了高精度功率预测模型，实现对未来功率输出的精确预测。

来源：中车能源2025-03-20

风电机组故障预警与健康管理系统数据大脑机器学习驱动精准运维中车株洲所构建的基于数据驱动的cms智能诊断平台，将高铁故障预测技术迁移至风电领域，成为风场运维的“智能中枢”。

来源：亮报2025-03-19

上海浦东供电公司研发的变电站仿生值班员“浦睿”，拥有机械臂、仿生手以及多功能末端工具库，配置了触觉力反馈、机器学习、视觉引导、避障保护等先进技术，既可按照指令实现无死角精准巡视，也可完成精细化的机器代人操作

来源：中车能源2025-03-18

与此同时，利用先进的机器学习算法及自学习机制，有效地融合了来自不同来源的气象预报数据，进一步增强预测的可靠性和稳定性。...结合风电场历史数据，风功率预测技术综合应用了机器学习、深度学习、统计学、时间序列预测等多种方法，学习风电场特有的功率输出特性，构建了高精度功率预测模型，实现对未来功率输出的精确预测。

来源：中国电力报2025-03-17

采用transformer等高级机器学习模型，结合贝叶斯优化动态调节超参数，建立自适应智能混合模型，精准预测多尺度市场价格。...结合大数据技术，通过聚类分析和特征工程捕捉数据实时波动趋势，应用长短期记忆网络和循环神经网络等机器学习模型，实现短期和超短期电力负荷高精度预测。

来源：储能科学与技术2025-03-14

本文运用大数据和机器学习技术，采用bertopic主题模型，对全球锂电池相关论文进行了系统性文本分析，构建了一个锂电池研究领域的主题图。...通过运用大数据和机器学习技术，采用bertopic主题模型对web of science数据库中的18万余篇锂电池论文进行文本分析，绘制了锂电池领域的主题图，识别了新兴研究主题和高被引主题。

来源：南方电网报2025-03-12

一切人工智能算法的学习都离不开训练样本数据，特别是以数据驱动为基础的机器学习、深度学习算法，数据的全面性、完整性对学习的效果至关重要。...“供用电合同自动生成rpa机器人”“客服工单分析机器人”“数字员工rpa机器人”……在行政办公、营销服务等多个领域，来自基层单位、一线员工的人工智能创新场景不断涌现。ai赋能，提质增效。

来源：中国电力报2025-03-10

ai技术通过机器学习和深度学习算法，能够对核电站的运行数据进行实时分析和预测，提前发现潜在的安全隐患，优化设备维护计划，从而显著降低事故风险，提升核电站的安全运行水平。...例如，智能机器人和自动化系统可以在高辐射环境下完成复杂的操作任务，减少人员暴露风险，同时提高工作效率。同时，ai技术在核电技术创新和优化方面也发挥着重要作用。

来源：北极星电力网2025-03-06

1.2 科学智算核心能力与优势科学智算的核心在于将ai技术与科学计算相结合，利用机器学习、深度学习、自然语言处理等ai技术，解决传统科学计算中难以处理的复杂问题。...一、世界模型与科学智算融合分析1.1 世界模型与多模态大模型世界模型起源可以追溯到强化学习领域，其目标是通过构建一个虚拟环境，使智能体能够在其中进行试错学习，从而提高决策效率。

来源：思格新能源2025-03-06

“思格深度融合ai、大数据及机器学习的光储解决方案，在算法迭代和实时调控方面表现突出，不仅能精准匹配电价与负载需求，更能快速响应突发状况，减少能量浪费并提升收益。...ai调度，破局复杂电力交易思格工商业光储系统，深度集成人工智能，结合大数据分析和机器学习算法，使得光储系统能够根据电价波动、天气变化和用电负载变化，灵活管理光伏发电、储能与电网互动，自动优化电池的充放电时机

来源：储能科学与技术2025-03-05

在电力市场与经济分析方面，美国太平洋西北国家实验室abhishek somani教授团队提出了基于机器学习的分析框架...清华大学陈翔–张强团队利用可解释机器学习方法解释了影响电解液还原稳定性的关键因素，并进一步开发知识与数据双驱动的电解液分子性质预测框架，从数十万分子中预测了29个潜在适用于宽温域和高安全性的电池场景下的分子

来源：运达股份2025-02-27

通过将ai技术与海量大数据深度结合，在机器学习和深度学习、自然语言处理、计算机视觉、机器人（机器狗）等各细分技术领域，实现了风电数字化系统和产品的全面应用落地。

来源：天合储能2025-02-27

合作研发的数据驱动预测技术，将运用先进的机器学习算法，对可再生能源发电功率（风能、太阳能）、本地负载需求以及市场电价进行高精度预测。...通过自适应学习算法，实时提高储能资产的利用率和盈利能力，为客户创造更大价值。

来源：CESA储能财经观察2025-02-25

该软件通过应用人工智能、机器学习以及通过监测6gwh以上电池储能系统积累的数据来实现这一目标。这些数据被用作电池电压、工作温度、充电状态和其他关键指标的一系列指标。