来源：供用电杂志2015-12-07

分布grep、分布排序、web连接图反转、每台机器的词矢量、web访问日志分析、反向索引构建、文档聚类、机器学习、基于统计的机器翻译等谷歌应用程序都采用了mapreduce这一处理模型。

来源：国家电网杂志2015-12-06

需解决的是关键技术，如智能传感器，具有普泛性的电网全面感知技术；信息物理系统cps实现能量的信息化与智能互联管控；大数据、云计算、物联网、机器学习、软件定义和ipv6寻址等技术及其实用场景。

来源：国家电网杂志2015-11-12

其次是分行业回归建立日电量与气温、湿度等因素用电模型，依据实时运行方式累计各台区日电量、日负荷，完成各区域、各电压等级的电量和负荷预测模型的构建，并构建模型机器学习，保持模型的时效性。...互联网、终端的普及和应用让我们进入了一个机器自动记录的时代，爆炸性增长的记录数据使传统的人工、单机/单节点的机器处理能力无法完成记录的分析、挖掘，由此催生了云计算和大数据概念并推动人工智能的工程应用，机器学习等人工智能技术就是机器处理大数据及大数据应用高级模式

来源：供用电杂志2015-11-09

二是优化运行，三是信息物理系统(cps)，四是智能电表，五是用户需求侧管理，六是储能，七是微电网和交直流混合配电技术，八是智能电网关键设备和新材料技术，九是高级资产管理系统，十是配电网系统的大数据、云计算，深度机器学习应用等

来源：北极星输配电网整理2015-11-05

从更加灵活的配电调度，到智能组网，再到易大数据和人工智能、机器学习为技术支撑的自组织网络。

来源：中兴力维2015-10-29

在平台系统中，最基本的处理技术需要包括云存储技术，数据预处理技术，数据挖掘技术，智能分析技术，机器学习、决策、调度技术等。...同样是在两端一线一平台的架构中的后端（iplatform），通过机器学习和自动建模、预案设计、资源调度等，完全可以实现对事件进行预先处理，对潜在性的危险进行预警、处理和总结。

来源：中国电力报2015-09-21

历史负荷为源数据，考虑用电客户对峰谷电价、温度、节假日的敏感程度以及生产班次安排等，组建了超过70万个负荷影响模型，模型包含的数据关联关系超过110亿项，由此对用电信息采集系统每日采集到的数据进行模型在线机器学习

来源：北极星输配电网整理2015-09-07

支持自然语言理解、机器学习、深度学习等人工智能技术创新，提升数据分析处理能力、知识发现能力和辅助决策能力。（本文资料来源于中国报告大厅）

来源：北极星输配电网2015-09-06

支持自然语言理解、机器学习、深度学习等人工智能技术创新，提升数据分析处理能力、知识发现能力和辅助决策能力。6.形成大数据产品体系。

来源：中国电子报2015-09-01

我们需要用到大量基于大数据的分析、机器学习、复杂分析等等，这是工业互联网时代进行数据分析的必要手段。

来源：中国科学报2015-08-25

工业互联网时代需要管理的是真正的大数据，有别于传统的管理信息技术，我们需要用到的是大量的基于大数据的分析，对海量数据进行高性能的处理、机器学习、复杂分析和预测分析是在工业互联网时代进行数据分析的必要手段

来源：北极星电力网2015-08-14

全面态势感知技术、异构通信系统集成与安全防护技术、分布式协同控制技术和第三方支付风险控制技术，通过整合运行数据、气象数据、电网数据、电力市场数据、用户用能数据，实现大数据分析、负荷预测与管理、发电预测、机器学习等功能

来源：中国报告大厅2015-08-11

大数据分析、机器学习和预测，是能源互联网得以实现的重要技术支撑。在新疆金风科技股份有限公司董事长助理兼市场总监侯玉菡看来，不论是物联基础或是互联网+，都给企业产品输出增加了体验效果。...能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率，需求和供应将可以进行随时的动态调整。

来源：供用电杂志2015-08-11

机器学习分为归纳学习、分析学习、类比学习、遗传算法、联接学习、增强学习等。...storm弥补了hadoop批处理所不能满足的实时要求，经常用于实时分析、在线机器学习、持续计算、分布式远程调用和etl等领域。

来源：北极星输配电网2015-07-28

依托数字福建(长乐)产业园、中国国际信息技术(福建)产业园等专业园区，建设重点领域制造业工程数据中心，通过基于大数据的机器学习等技术对海量数据进行聚类和关联分析，实现生产过程潜在风险的动态预警和优化，为企业提供数据共享和深度应用服务

来源：环球表计2015-07-23

从更加灵活的配电调度，到智能组网，再到易大数据和人工智能、机器学习为技术支撑的自组织网络。表计企业在能源互联网中的优劣势表计企业在能源互联网中的优势：获得第一手数据，知道怎么玩，怎么赚钱。

来源：CSDN博客2015-07-01

大数据分析、机器学习和预测是这种互联网络实现生命体特征的重要技术支撑：通过整合运行数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测，打通并优化电力生产和电力消费端的运作效率，

来源：华夏能源网2015-06-23

阿波罗基于神经网络算法的机器学习专利技术，自动寻找可信数据训练集，通过大数据挖掘计算场站及设备的实际应发电量，即使辐照仪存在一定误差，仍然可以用来计算该场站的eba并进行发电量损失分析、指导运维，准确率达到

来源：中国工业评论2015-06-12

显而易见，无论是工业互联网还是工业4.0战略，都需要给信息技术的内涵和外延注入更多新的元素，使得自动控制、机器学习、网络通信、数据挖掘等一般方法能够在新的技术环境中得到最有效的应用。...必须具备以下几个基本的特征：即生产过程已经实现了数字化和自动化;生产过程的各个环节，甚至于供应链和产业链之间，均已实现了信息的互联互通;生产过程的管理，包含资源的配置、流程的设定、效能的优化等事务均已采用数据融合、机器学习等方法进行处理

来源：电缆网2015-06-09

大数据分析、机器学习和预测是能源互联网实现生命体特征的重要技术支撑：能源互联网通过整合运行数据、天气数据、气象数据、电网数据、电力市场数据等，进行大数据分析、负荷预测、发电预测、机器学习，打通并优化能源生产和能源消费端的运作效率