来源：《国家电网》杂志2019-07-03

基于大量传感器采集电网海量数据，包括状态数据与预警信息（过电压等），汇集到统一的大数据平台，结合人工智能、机器学习等先进技术进行分析，挖掘本质特征，为电网规划、故障处理、负荷预测等重要内容提供支撑。...基于数字智能传感器技术实现对故障的快速定位和辨识；通过云平台对全网络故障库进行共享，进行汇总和机器学习，形成统一解决方案库；提高电力系统自动化水平，在保证安全的前提下实现故障自动处理，包括断电隔离与换线恢复供电

来源：中国电力报2019-07-02

更直接的是依靠人工智能技术的实用化和商业化，以深度神经网络为代表的机器学习算法在阿法狗、图像识别等场景中不断发扬光大，均以数据为核心要素，构成一个学习、预测、应用、学习的闭环正反馈，实际结果作为标识数据反馈

来源：WoodMac电力与可再生能源2019-06-20

包括数据分析和机器学习在内的先进数字技术，能够提供更高水平的资产管理，比如端对端优化运维成本、优化物流运和备件运输、提高能效。“尽管数字化技术有其优势，但其在实际资产管理中的使用率不尽相同。

来源：远光软件2019-06-19

运维智能调度结合了大数据与机器学习，搭建运维线路优化和运维任务决策体系，将区域内的有限资源进行高效分配，综合寻优做出决策（智能分单、导航等），从而提高运维效率，帮助运维管理人员解决人工调配过程中存在的无序...远光能源bdaas是融合网络化、数字化、智能化等方面的技术，以能源网络各物联节点数据的汇聚共享为抓手，利用大规模机器学习方法构建能源领域算法库及知识图谱，为能源企业提供实时监控、设备运行检修、业务预测分析

来源：全球智慧网2019-06-14

核心提示：2019年06月12日关于大数据与机器学习将如何改变全球能源行业？的最新消息：机器学习、大数据以及自动化正在彻底改变全球工业体系，能源行业自然也不例外。...新的“智能”电网也在采用机器学习技术实现计算机、自动化与传感器装置的集成，从而以实时监测甚至预测能源需求的快速变化。

来源：三一重能有限公司2019-06-13

针对山东院关注的智慧风场数字化系统应用技术，陈湘泉详细介绍了三一的智慧风场和scada系统，其中三一重能智慧风场的价值主要体现在四个方面：①通过机器学习，使风机针对环境进一步适应优化，提高风场发电量，增加收益

来源：华为智能光伏2019-06-13

iv诊断3.0，利用智能光伏逆变器扫描光伏组串得到输出电压和输出电流的关系曲线（iv曲线）；通过智能光伏管理系统对iv曲线进行大数据分析，应用ai智能诊断算法，精准识别故障组串，并输出诊断报告；通过ai机器学习

来源：ABB中国2019-06-13

abb电气事业部广泛的产品组合融合机器学习、人脸识别、大功率充电、环保绝缘气体等领先技术，从发电端到用电端，提供中低压配电控制系统、建筑控制系统、电动汽车充电基础设施等解决方案，推动从智能到更智慧的转变

来源：北极星风力发电网2019-06-13

（3）混合气象订正技术wcp基于电场级的多源气象源预报资料，利用弹性网络、k临近点、支持向量机、线性回归等多种机器学习算法，建立多种混合订正模型，通过模型选择和均方根误差评价等方法选择最优模型。

来源：腾讯科技2019-06-12

该方法还包括使用光谱数据库确定机器学习(ml)模型，同时包括使用机器学习模型测定样品溶液中电解质成分的浓度。

来源：《中国华能》2019-06-11

比如华为等信息通信企业开发的数字化智能化能源解决方案；美国谷歌公司和德国意昂集团合作 sunroof 项目，利用谷歌地图和机器学习等技术开发德国的屋顶光伏资源，并结合电池储能和意昂solarcloud

来源：北极星太阳能光伏网2019-06-10

通过ai机器学习，逆变器不断累积检测出电弧的特征参数，持续优化和提高识别电弧的能力，给光伏电站加上智能安全的防护锁。...ai增强的智能并网算法基于ai的算法控制建立了并网场景、电站设计和电网运行工作点的数学模型，利用大数据训练并网控制算法，大数据智能学习，自动适应复杂电网场景，在各种恶劣电网环境下，不脱网，保证光伏电站长期并网稳定性

来源：TechWeb.com.cn2019-06-10

利用深度机器学习技术，甲骨文utilities analytics insights能够识别电动汽车的存在、显示充电时间和频率、并通过高级量测系统（ami）数据分解电动汽车消耗的能源。

来源：中国能源报2019-05-23

从数据科学的知识特征看，它主要以统计学、机器学习、数据可视化以及领域知识为理论基础，研究数据加工、数据计算、数据管理、数据分析和数据产品开发；从数据科学的技术特征看，它主要得益于云计算、物联网、移动计算等新技术的兴起和快速发展

来源：中国能源报2019-05-23

从数据科学的知识特征看，它主要以统计学、机器学习、数据可视化以及领域知识为理论基础，研究数据加工、数据计算、数据管理、数据分析和数据产品开发；从数据科学的技术特征看，它主要得益于云计算、物联网、移动计算等新技术的兴起和快速发展

来源：远光软件2019-05-22

基于自然语言处理、机器学习、知识图谱等人工智能技术研发的远光机器人cici，创新采用软硬一体的形式，提供不同的能力组合，解决了财务、营销、审计、日常办公、运维管理等逾20个具体业务场景的效率、效益提升需求

来源：经济网2019-05-16

基于全球最大的能源物联网平台enos打造了“直连、安全、高精度、机器学习”的智慧电场软件解决方案，帮助运营商打造“少人、透明、预测维护、电网友好”的智慧电站。

来源：亮报2019-05-08

机器学习：重点跟踪研究深度学习、强化学习等前沿技术理论和算法模型；根据机器学习算法的适用性与局限性，结合电力系统数据和专业特点，形成针对特定电力业务场景的机器学习应用模型。

来源：北极星风力发电网2019-04-26

deepmind 机器学习预测36小时风力发电量 风电价值提高20% 为了解决风电预测问题，2018年，deepmind (开发阿法狗的团队)和谷歌开始将机器学习算法应用于美国中部的共700mw的风力发电厂中

来源：能源杂志2019-04-26

平台层（数据层、学习层）：打破数据烟囱，进行大数据汇集、整合与分析，并进行机器学习，产生新的知识。应用层：最直接产生价值的环节，也是物联网行业中竞争最大的领域之一。