来源：中国电力报2025-09-16

广东电网通过搭建高标准、高精度的数据处理与标注体系，为自身人工智能工程建设持续注入精准可靠的优质数据“血液”，为设备赋智、企业赋值、产业赋能提供了可参考的全新范本。

来源：国家电网报2025-09-16

我们持续探索光明电力大模型在信息系统智能运维等场景中的应用落地，借助大模型在海量数据处理、复杂模式识别等方面的能力，辅助系统运维人员提升系统部署运维水平，助力输电、变电专业数据采集分析和缺陷隐患识别诊断等工作智能化升级

来源：国家能源局2025-09-15

本办法所称能源数据处理者，是指开展能源行业数据处理活动的能源行业各类单位。能源行业数据处理活动包括能源行业数据的收集、存储、使用、加工、传输、提供、公开、删除等。...能源央企负责对其各级子公司、控股企业的数据处理活动和安全保护进行监督管理。

来源：中能传媒研究院2025-09-10

是当前最能直接发挥人工智能支撑作用的场景；特征建模、趋势预测和优化控制类场景应用成熟水平较低，由于模型研发难度大、权威性难以统一、适用环境存在差异等挑战，使得这三类场景应用短期内难以脱离业务人员参与，但人工智能仍然可以发挥必要的海量数据处理

来源：国家电网报2025-09-05

《变电站巡检用无人机推荐使用方法》提供了一整套变电站无人机巡检使用方法，涵盖了变电站无人机巡检系统构成及技术条件、巡检适用场景与内容、巡检作业方法、巡检数据处理等内容。

来源：国家电网报2025-09-02

为进一步推动智能巡检成果落地转化，国网宁夏电力再造巡检业务流程，设立航线规划组、数据处理组、空域管控组等专业团队，全面承接空域申报、数据采集、航线规划、数据分析、装备维护及教育培训等全流程业务，打造主业提效

来源：国务院2025-08-26

支持发展数据标注、数据合成等技术，培育壮大数据处理和数据服务产业。（九）强化智能算力统筹。支持人工智能芯片攻坚创新与使能软件生态培育，加快超大规模智算集群技术突破和工程落地。

来源：北极星输配电网2025-08-26

公司自主研发的新一代高性能智能融合终端实现了多项关键技术突破：搭载高性能处理器，具备强大边缘计算能力，可实时处理台区内海量能源数据，打破数据处理延迟瓶颈；采用模块化设计，兼容多种通信模式和异构通信协议，

来源：国家电网报2025-08-26

用户可将核心关注指标、常用功能模块放在方便使用的位置，提升数据处理与业务执行效率。

来源：国家电网报2025-08-19

智能硬件装置负责设备协议适配、本地数据处理、实时控制指令执行，可实现“就地自控+远程调控”。硬件装置终端有盒子、箱子、柜子三种规格，可根据空间大小和调节场景选择适配形态。

来源：国网冀北电力公司2025-08-14

巡检机器狗还具备强大的数据处理与传输能力。

来源：南方电网报2025-07-25

在深圳前海、广州南沙、珠海横琴等全域综合示范区，电鸿操作系统展现出强大的场景适配能力：一套系统兼容多品牌设备，即插即用的特性大幅提升了电力终端组网效率，数据处理时效从小时级跃升至分秒级，让现场安装和运维调试的工作效率大大提升

来源：国家电网报2025-07-14

在数据处理方面，该星座建成全流程自动化处理流水线，实现“光学+雷达”数据融合，在雾天仍可保障毫米级地表形变监测能力。

来源：国家电网报2025-06-30

面对线下组塔这一难题，国网四川电力建设管理团队引入三维建模预演技术：在线路施工中，4台无人机对线路进行多角度航拍，通过“数据采集-数据处理-模型构建”形成现场实景。

来源：中国电力2025-06-27

dqn控制器结构如图7所示，该控制器由数据处理层和功率补偿层2部分组成。...数据处理层各dg根据输入的频率偏差图7 dqn控制器结构fig.7 dqn controller structure2.2.1 状态空间与动作空间结合图7，微电网二次频率控制器的状态集为实时频率偏差

来源：北极星电力网2025-06-27

以南方电网为例，公司大力推进“机巡”作业，结合智能算法，使输电线路巡视效率提升4倍，数据处理效率提升12倍，缺陷识别准确率提升28%。

来源：北极星输配电网2025-06-19

公司优质客户不仅保证了公司经营的稳健性,其在使用公司产品的过程中产生的海量数据,为公司产品后续升级迭代提供了有力的数据支持,例如公司输电线路智能巡检系统长期运行,每天可产生百万数量级的图像数据,公司通过深度数据处理和分析

来源：国家电网报2025-06-13

此次改造，厦门供电公司针对旧系统数据采集效率低、稳定性差等问题，新增多台服务器设备，配备安全操作系统、数据库软件等，大幅提高数据处理能力，使系统采集覆盖率提升至99%以上。

来源：中国电力2025-06-03

标准的cnn架构通常包括输入层、卷积层、池化层和全连接层等，依次用于数据处理、特征提取、降维和最终分类或回归任务，结构如图2所示。

来源：中国能源观察2025-06-03

伴随着新能源项目大量接入电网，生逢其时的人工智能+能源组合，以其高效的数据处理能力、自主学习能力、多模态感知能力、动态响应能力、跨学科协同能力、智能预测分析能力，足以应对上述挑战。